[論文レビュー] Computing homogenized coefficients via multiscale representation and hierarchical hybrid grids

Antti Hannukainen, Jean-Christophe Mourrat+1 more|arXiv (Cornell University)|May 16, 2019

Advanced Mathematical Modeling in Engineering参考文献 44被引用数 4

ひとこと要約

本稿では、ランダムで局所定数の係数をとる発散型作用素の均質化係数を、階層的ハイブリッドグリッドを用いたマルチスケール有限要素法によって、効率的に計算する手法を提示する。均質化行列をスケール分離された項に分解し、適応的グリッド・リファインメントを活用した局所的計算を実施することで、中程度の楕円的対比と数パーセントの精度を満たす2次元および3次元問題において、ラップトップで1秒未塔から1分未塔の収束が達成される。

ABSTRACT

We present an efficient method for the computation of homogenized coefficients of divergence-form operators with random coefficients. The approach is based on a multiscale representation of the homogenized coefficients. We then implement the method numerically using a finite-element method with hierarchical hybrid grids, which is a semi-implicit method allowing for significant gains in memory usage and execution time. Finally, we demonstrate the efficiency of our approach on two- and three-dimensional examples, for piecewise-constant coefficients with corner discontinuities. For moderate ellipticity contrast and for a precision of a few percentage points, our method allows to compute the homogenized coefficients on a laptop computer in a few seconds, in two dimensions, or in a few minutes, in three dimensions.

研究の動機と目的

• 発散型楕円型作用素のランダムで局所定数の係数をとる均質化係数を計算するための効率的な数値的手法の開発。
• 固定された楕円的対比をもつランダム媒体におけるタイリングのコーナーに生じる特異性が引き起こす計算課題の解決。
• 適応的でスケール分離された離散化を用いて、標準的なハードウェア上での高精度な均質化係数推定を可能にすること。
• 再計算を回避できる数値的に安定で再帰的・再計算可能なアルゴリズムの提供。
• 2次元および3次元の例において、さまざまな楕円的対比を想定し、ラップトップ上で1秒未塔から1分未塔の実行時間を達成する方法の妥当性の検証。

提案手法

• 均質化行列を、さまざまな長尺度に由来する寄与に分解するマルチスケール分解を採用し、徐々に大きな領域における局所的PDEの再帰的解法によって定義される。
• 関数列 $ v_k $ が $ (2^{-k} - \nabla\cdot\mathbf{a}\nabla)v_k = 2^{-k}v_{k-1} $ を満たすことで、徐々に粗いスケールの影響を捉える。
• 積 $ v_{k-1}v_k $ および $ v_k^2 $ に対して、コンパクトな台を持つスケーリングされたバンプ関数 $ \chi_{r_k} $ を用いた滑らか化平均化を行い、推定子 $ \widehat{\sigma}_n^2 $ を計算する。
• 有限要素離散化は、階層的ハイブリッドグリッドを用いて実装され、半陰的行列構築とマルチグリッド風のリファインメントにより、メモリ使用量の削減と計算の高速化を実現する。
• アルゴリズムはオンザフライリファインメントを可能にし、より高い精度が求められた場合でも、以前に計算された結果を再利用することで、完全な再計算を回避できる。
• 本手法はJuliaで実装されており、自由に利用可能であり、局所定数係数とさまざまな楕円的対比をもつ2次元および3次元問題における数値的妥当性の検証がなされている。

実験結果

リサーチクエスチョン

• RQ1 短尺度の寄与が計算を支配するように、均質化係数のマルチスケール表現を構築可能か？ また、長尺度補正は効率的に近似可能か？
• RQ2 階層的ハイブリッドグリッドを活用することで、ランダム媒体の均質化係数の有限要素計算におけるメモリ使用量と実行時間の削減は可能か？
• RQ3 推定子 $ \widehat{\sigma}_n^2 $ の収束速度は、スケール数 $ n $ に対してどの程度であり、理論的予測と一致するか？
• RQ4 コーナー不連続性が解に強い特異性を引き起こす問題に対して、本手法はどのように性能を示すか？
• RQ5 標準ラップトップ上で、2次元では数秒、3次元では数分以内に、数パーセントの精度で均質化係数推定が達成可能か？

主な発見

• 2次元問題において中程度の楕円的対比を想定した場合、本手法はラップトップ上で10秒未塔で数パーセントの誤差で均質化係数を計算可能である。
• 3次元では、同様の精度が同じハードウェア上で5分未塔で達成され、実験的分散は $ 2^{-3n} $ のように減少し、理論的予測である $ \gamma = d = 3 $ と整合的である。
• 3次元で $ \alpha = 1, \beta = 9 $ の場合、$ \widehat{\sigma}^2(n=2, N_{\text{ref}}=4) $ の1サンプルが、均質化行列の95%信頼区間 $[3.62, 3.80]$ の内側に収まるが、これには約38分の計算時間が要する。
• 2次元では、前漸近的収束速度が約 $ h^{0.1337} $ に達し、中程度のリファインメントで誤差を急速に低減できる。
• 推定子 $ \widehat{\sigma}_n^2 $ は、楕円的対比の増加に対しても頑健であり、分散はリファインメントレベル $ N_{\text{ref}} $ にほとんど依存せず、$ C3^{-\gamma n} $ のように減少し、$ \gamma \approx 3.2 $ となる。これは理論的予測値 $ \gamma = d $ に近く、妥当である。
• 本手法はオンザフライリファインメントを可能にし、より高い精度が必要な場合でも、過去の計算結果を再利用することで、完全な再計算を回避できる。