[论文解读] Event and Apparent Horizon Finders for 3+1 Numerical Relativity

Jonathan Thornburg|ePrints Soton (University of Southampton)|Dec 30, 2005

Astrophysical Phenomena and Observations参考文献 67被引用 5

一句话总结

本文全面综述了在3+1数值相对论模拟中定位事件视界和类视界（apparent horizon）的数值算法与软件工具。文中详细介绍了这些视界的求解方法——事件视界通过向后积分光测地线或光面实现，类视界通过求解极小外向束缚表面（marginally outer trapped surface, MOTS）的非线性椭圆型偏微分方程（PDE）实现，特别强调了在轴对称与一般时空中的效率、精度与鲁棒性。

ABSTRACT

Event and apparent horizons are key diagnostics for the presence and properties of black holes. In this article I review numerical algorithms and codes for finding event and apparent horizons in numerically-computed spacetimes, focusing on calculations done using the 3+1 ADM formalism. There are 3 basic algorithms for finding event horizons, based respectively on integrating null geodesics \emph{forwards} in time, integrating null geodesics \emph{backwards} in time, and integrating null \emph{surfaces} backwards in time. The last of these is generally the most efficient and accurate. There are a large number of apparent-horizon finding algorithms, with differing trade-offs between speed, robustness, accuracy, and ease of programming. In axisymmetry, shooting algorithms work well and are fairly easy to program. In slices with no continuous symmetries, Nakamura et al.'s algorithm and elliptic-PDE algorithms are fast and accurate, but require good initial guesses to converge. In many cases Schnetter's "pretracking" algorithm can greatly improve an elliptic-PDE algorithm's robustness. Flow algorithms are generally quite slow, but can be very robust in their convergence.

研究动机与目标

• 系统化并综述基于3+1 ADM形式化方法计算的时空中的事件视界与类视界检测的数值算法。
• 识别并比较各类视界寻找技术在速度、精度、鲁棒性及实现难易度方面的优缺点。
• 根据时空对称性（如轴对称与一般情况）和计算约束，提供选择合适算法的指导。
• 通过整理公开可用的视界寻找软件并突出数值相对论中软件工程的最佳实践，促进代码重用与共享。
• 通过鼓励社区持续贡献以更新和扩展内容，使本文成为研究人员可动态维护的参考文献。

提出的方法

• 事件视界通过后处理使用三种主要算法定位：光测地线的正向积分、光测地线的反向积分，以及光面的反向积分——其中后者在效率与精度上表现最佳。
• 类视界通过求解涉及三维度量、其空间导数及外曲率的非线性椭圆型PDE（即MOTS条件）来确定。
• 在轴对称情况下，射击法与零点查找方法有效且易于实现。
• 在一般时空情况下，Nakamura等人提出的谱积分-迭代法与椭圆型PDE求解器速度快且精度高，但需要良好的初始猜测值。
• 视界预追踪（horizon pretracking）通过演化一个试算视界向真实解逼近，以提升椭圆型PDE求解器的收敛性。
• 当鲁棒性优先于速度时，采用流算法（flow algorithms），通过动力学演化收敛至MOTS。

实验结果

研究问题

• RQ1 在数值计算的时空中，定位事件视界的最高效与最精确的数值方法是什么？
• RQ2 在不同时空对称性下，各类类视界寻找算法在收敛性、鲁棒性与计算成本方面的表现如何比较？
• RQ3 初始猜测值的选择对基于椭圆型PDE的类视界寻找器收敛性有何影响？如何改进？
• RQ4 软件工程实践在提升数值相对论中视界寻找代码的可靠性、可重用性与可维护性方面发挥何种作用？
• RQ5 如何利用公开的数值库与求解器（如非线性方程与ODE求解器）来构建稳健的视界寻找工具？

主要发现

• 反向积分光面法是寻找事件视界最高效且最精确的方法，优于正向积分与测地线方法。
• 椭圆型PDE求解器与Nakamura等人提出的谱方法在一般时空中的类视界检测中具有高精度与高速度，但需良好初始猜测值才能收敛。
• Schnetter的预追踪算法显著提升了椭圆型PDE视界寻找器的鲁棒性，通过引导解向收敛方向演化。
• 流算法在收敛性方面具有高度鲁棒性，但计算开销大，适用于对可靠性要求高于速度的场景。
• 推荐使用van Wijngaarden-Dekker-Brent算法求解视界寻找中出现的非线性代数方程，因其在速度与可靠性之间取得良好平衡。
• 稳健的常微分方程（ODE）求解器如LSODE与RKF45对视界寻找流程中的时间积分任务至关重要，且可通过netlib免费获取，有助于实现可靠高效的代码。