[논문 리뷰] Multivariate Rational Approximation Using a Stabilized Sanathanan-Koerner Iteration

Jeffrey M. Hokanson|arXiv (Cornell University)|2020. 09. 22.

Lightning and Electromagnetic Phenomena참고 문헌 16인용 수 6

한 줄 요약

이 논문은 다변수 유리근사에서 수치적 불안정성을 해결하는 안정화된 산타나단-코이너(S-SK) 반복법을 제안한다. 고전적인 유리근사 방법에서 발생하는 악조건화된 반복 가중치로 인한 문제를 해결하기 위해, 가중치가 부여된 아르니올리 반복을 통해 잘 조절된 바르드몬드 행렬을 구성함으로써, 기존 기법들보다 잔차 노름이 훨씬 낮고 도메인 전반에 걸쳐 균일한 정확도를 달성한다.

ABSTRACT

The Sanathanan-Koerner iteration developed in 1963 is classical approach for rational approximation. This approach multiplies both sides of the approximation by the denominator polynomial yielding a linear problem and then introduces a weight at each iteration to correct for this linearization. Unfortunately this weight introduces a numerical instability. We correct this instability by constructing Vandermonde matrices for both the numerator and denominator polynomials using the Arnoldi iteration with an initial vector that enforces this weighting. This Stabilized Sanathanan-Koerner iteration corrects the instability and yields accurate rational approximations of arbitrary degree. Using a multivariate extension of Vandermonde with Arnoldi, we can apply the Stabilized Sanathanan-Koerner iteration to multivariate rational approximation problems. The resulting multivariate approximations are often significantly better than existing techniques and display a more uniform accuracy throughout the domain.

연구 동기 및 목표

• 고전적인 산타나단-코이너(SK) 반복법에서 반복 가중치로 인해 발생하는 수치적 불안정성을 해결하기 위해.
• 전체 도메인에서 정확도를 유지하는 수치적으로 안정된 알고리즘을 단변수 및 다변수 유리근사에 대해 개발하기 위해.
• 기존 선형화된 유리근사 기법을 향상시키기 위해 원래의 비선형 문제를 더 잘 반영하는 안정화된 기저 구성 방식을 통합하기 위해.
• 아르니올리 반복을 사용한 다변수 바르드몬드 행렬 구성 방식을 통해 SK 반복법을 다변수 문제로 확장하여 조건수를 향상시키기 위해.
• 최신 기법들인 Parametric-AAA와 선형화된 유리근사와 비교하여 안정화된 방법이 상당히 낮은 잔차 노름을 달성함을 입증하기 위해.

제안 방법

• 초기 벡터가 SK 반복의 가중치를 강제함으로써, 분자 및 분모에 대해 잘 조절된 다항식 기저를 구성하기 위해 가중치가 부여된 아르니올리 반복을 사용한다.
• 아르니올리 과정을 통해 다변수 다항식의 바르드몬드 유사 행렬을 생성함으로써, 원래 시스템이 악조건화되어도 수치적 안정성을 확보한다.
• 각 단계에서 가중치가 부여된 최소제곱 문제를 풀어 안정화된 반복을 적용한다: 이전 반복의 분모를 가중치로 포함하는 시스템 행렬의 노름을 최소화한다.
• 특이값 분해(SVD)를 사용하여 선형화된 보조 문제를 효율적이고 강건하게 해결함으로써, 열악한 국소 최소값으로 수렴하는 것을 방지한다.
• 동일한 안정화된 아르니올리 프레임워크를 사용하여 텐서 곱 그리드와 다변수 바르드몬드 행렬을 구성함으로써, 다변수 유리근사로 방법을 확장한다.
• 기저 행렬의 구성에서 수치적 정확도를 향상시키기 위해 고전적 그람-슈미트 방법에 반복 보정 기법을 구현한다.

실험 결과

연구 질문

• RQ1 재구성된 기저 구성 방식을 통해 고전적인 산타나단-코이너 반복의 수치적 불안정성을 효과적으로 완화할 수 있는가?
• RQ2 가중치가 부여된 아르니올리 반복을 사용해 바르드몬드 행렬을 구성함으로써, 단변수 및 다변수 환경 모두에서 더 정확하고 안정적인 유리근사가 가능할까?
• RQ3 기준 문제에서 안정화된 SK 반복법이 Parametric-AAA 및 선형화된 유리근사와 비교해 잔차 노름과 정확도 분포 측면에서 어떻게 성능을 내는가?
• RQ4 특히 다른 방법들이 실패하거나 큰 오차를 보이는 영역에서도, 안정화된 방법이 도메인 전반에 걸쳐 균일한 낮은 오차를 달성할 수 있는가?
• RQ5 고차원 유리근사 문제에서 기존 기법들과 비교해 안정화된 방법이 잔차 노름을 얼마나 줄일 수 있는가?

주요 결과

• 일변수 파라미터 Penzl 모델에서 안정화된 S-SK 반복법은 잔차 노름 0.0189를 달성하였으며, 이는 Parametric-AAA(0.238)의 약 1/10, 선형화된 유리근사(2.203)의 약 1/100에 해당한다.
• 이변수 파라미터 Penzl 모델에서 안정화된 S-SK 반복법은 차수 (11,7,6)에서 잔차 노름을 0.0291×10⁻⁷로 줄였으며, 이는 Parametric-AAA(8.54×10⁻⁶)와 선형화된 근사(1.59×10⁻⁵)보다 한 차수 이상 높은 성능을 보였다.
• 이 방법은 도메인 전반에 걸쳐 균일한 정확도를 보이며, 근사화점 근처에서 Parametric-AAA에서 관찰되는 국소적 정확도 급증 현상을 피한다.
• 다양한 차수와 파라미터 범위에서 안정화된 방법은 Parametric-AAA 및 선형화된 유리근사보다 항상 낮은 잔차 노름을 달성한다.
• 가중치가 부여된 아르니올리 기반 바르드몬드 행렬 사용이 SK 반복법의 안정성을 효과적으로 향상시켜, 원래 시스템이 수치적으로 불안정해져도 악조건화를 방지한다.
• 알고리즘은 다수의 무작위 초기화에 대해 강건한 수렴성을 보이며, 레벤버그-마르카르트와 같은 비선형 최소제곱 해법에서 흔히 발생하는 열악한 국소 최소값으로 수렴하는 것을 방지한다.