[논문 리뷰] On overlapping domain decomposition methods for high-contrast multiscale problems

Juan Galvis, Eric T. Chung외 2명|arXiv (Cornell University)|2017. 05. 25.

Advanced Mathematical Modeling in Engineering참고 문헌 5인용 수 5

한 줄 요약

이 논문은 고대비 다스케일 문제를 위한 새로운 겹치는 도메인 분할 방법을 제안하며, 국소 스펙트럼 문제로부터 유도된 최소 차원의 코arse 공간을 사용하여 대비 및 메esh 크기와 무관한 조건수를 달성한다. 이러한 스펙트럼 코arse 공간을 큰 오버랩을 가진 국소 문제와 조합함으로써 반복 횟수를 거의 1로 감소시키며, 특히 작은 코arse 격자에서 매우 효과적이다.

ABSTRACT

We review some important ideas in the design and analysis of robust overlapping domain decomposition algorithms for high-contrast multiscale problems and propose a domain decomposition method better performance in terms of the number of iterations. The main novelty of our approaches is the construction of coarse spaces, which are computed using spectral information of local bilinear forms. We present several approaches to incorporate the spectral information into the coarse problem in order to obtain minimal coarse space dimension. We show that using these coarse spaces, we can obtain a domain decomposition preconditioner with the condition number independent of contrast and small scales. To minimize further the number of iterations until convergence, we use this minimal dimensional coarse spaces in a construction combining them with large overlap local problems that take advantage of the possibility of localizing global fields orthogonal to the coarse space. We obtain a condition number close to 1 for the new method. We discuss possible drawbacks and further extensions.

연구 동기 및 목표

• 고대비 비율이 큰 문제에서 전통적인 방법이 악조건화됨을 겪는 고대비 다스케일 문제에 대해 강건한 겹치는 도메인 분할 조건수를 개발하는 것.
• 국소 이차형식의 스펙트럼 정보를 사용하여 강건성을 유지하면서도 코arse 공간의 차원을 최소화하는 것.
• 최소 차원의 코arse 공간과 큰 오버랩을 가진 국소 하위영역 문제를 조합하여 반복 해법의 반복 횟수를 줄이는 것.
• 안정적 분해가 필요 없이 직접 연산자 노름 추정을 통해 조건수를 대비 및 공간 척도와 무관하게 거의 1로 유지하는 것.

제안 방법

• 국소 이차형식의 스펙트럼 분해를 사용하여 비국소화 가능한 다스케일 특징(예: 고전도성 채널)을 포착하는 최소 차원의 코arse 공간(MDCS)을 구성한다.
• 코arse 공간이 하위영역에서의 국소 고유값 문제로부터 추출된 스펙트럼 기저 함수로 풍부화된 겹치는 애드티브 슈바르츠 프레임워크를 사용한다.
• MDCS와 오버샘플링된 국소 해법을 조합한 하이브리드 조건수를 도입하며, 오버샘플링 영역이 여러 개의 코arse 격자 블록을 포함하여 코arse 공간과 수직인 전역 필드를 국소화한다.
• 큰 오버랩 크기(예: k ≥ 5층)를 사용하여 잔여 오차 성분의 국소화를 가능하게 하여 조건수를 크게 감소시킨다.
• 안정적 분해가 필요 없이 직접 연산자 노름 추정을 사용하여 조건수의 이론적 경계를 유도한다.
• 유한요소 메쉬를 사용한 미세 및 거친 격자에서 고대비 투과도 필드를 가진 다르시 흐름 방정식에 이 방법을 적용한다.

실험 결과

연구 질문

• RQ1 국소 스펙트럼 문제로부터 유도된 최소 차원의 코arse 공간이 고대비 문제에 대한 겹치는 도메인 분할 방법에서 대비에 무관한 조건수를 도출할 수 있는가?
• RQ2 스펙트럼 코arse 공간을 사용할 때 오버랩 크기를 증가시키면 조건수와 반복 횟수에 어떤 영향을 미치는가?
• RQ3 MDCS와 큰 오버랩의 조합이 잔여 오차 성분을 국소화하여 조건수를 거의 1로 유지할 수 있는가?
• RQ4 코arse 격자 크기가 제안된 방법의 효율성에 미치는 영향은 무엇인가, 특히 코arse 해법 비용과 반복 횟수 측면에서 어떻게 되는가?
• RQ5 제안된 방법은 안정적 분해가 필요 없이도 강건한 수렴을 달성할 수 있는가?

주요 결과

• 충분한 오버랩을 사용할 경우, 조건수의 조건수는 거의 1에 수렴하며, 기존 방법보다 수렴 성능이 크게 향상된다.
• 코arse 격자 크기 H = 1/20, 미세 격자 h = 1/200일 때, 6개의 오버랩 층(k = 6)을 사용하면 PCG 반복 횟수가 표준 오버랩과 MDCS만을 사용할 때의 19회에서 1회로 감소한다.
• 고정된 오버랩 크기(k = 3)에서 대비 비율 η = 10³, 10⁴, 10⁵ 동안 반복 횟수가 항상 3으로 유지되며, 이는 대비 무관성을 입증한다.
• 단지 하위영역당 3개의 기저 함수만으로도 큰 오버랩을 활용함으로써 표준 MDCS에 비해 반복 횟수를 약 19회에서 3회로 감소시킨다.
• 조건수의 이론적 경계는 스펙트럼 갭 Λ와 오버랩 크기에 의존하며, Λ가 0에 가까운 일이 없고 오버랩이 충분히 크면 경계는 1에 수렴한다.
• 이 방법은 코arse 격자 크기가 작을 때 가장 효과적이며, 이는 오버샘플링 영역이 계산적으로 관리 가능하고 코arse 해법 비용이 과도하게 증가하지 않기 때문이다.