[논문 리뷰] Modified Iterated Crank-Nicolson Method with Improved Accuracy

Qiqi Tran, Jinjie Liu|arXiv (Cornell University)|2016. 07. 23.

Numerical methods for differential equations인용 수 4

한 줄 요약

이 논문은 원래의 $\theta$-ICN 방법이 $\theta \neq 0.5$일 경우 정확도를 상실하는 문제를 해결하기 위해 기하평균(GA)과 산술평균(AA)을 사용한 두 가지 수정된 $\theta$-반복 크랭크-니콜슨(ICN) 방법을 제안한다. 이 방법들은 반복 또는 시간 단계 간에 $\theta$ 값에 대한 가중 평균을 적용함으로써 $\theta \neq 0.5$일 때도 두 번째 차수 정확도를 복원한다. 수치 결과는 선형 및 비선형 쌍곡형 편미분방정식(버거스 방정식 포함)에 대해 두 번째 차수 수렴성과 향상된 안정성을 확인한다.

ABSTRACT

The iterated Crank-Nicolson (ICN) method is a successful numerical algorithm in numerical relativity for solving partial differential equations. The $θ$-ICN method is the extension of the original ICN method where $θ$ is the weight when averaging the predicted and corrected values. It has better stability when $θ$ is chosen to be larger than 0.5, but the accuracy is reduced since the $θ$-ICN method is second order accurate only when $θ$ = 0.5. In this paper, we propose two modified $θ$-ICN algorithms that have second order of convergence rate when $θ$ is not 0.5, based on two different ways to choose the weight $θ$. The first approach employs two geometrically averaged $θ$s in two iterations within one time step, and the second one uses arithmetically averaged $θ$s for two consecutive time steps while $θ$ remains the same in each time step. The stability and second order accuracy of our methods are verified using stability and truncation error analysis and are demonstrated by numerical examples on linear and semi-linear hyperbolic partial differential equations and Burgers' equation.

연구 동기 및 목표

• 원래의 $\theta$-ICN 방법이 $\theta \neq 0.5$일 경우 두 번째 차수 정확도를 상실하는 문제를 해결하기 위해, $\theta > 0.5$일 경우 안정성이 향상되지만 정확도가 떨어지는 문제를 해결한다.
• 두 번째 차수 수렴성을 유지하면서도 $\theta > 0.5$일 때의 안정성 이점을 유지하는 새로운 알고리즘 전략을 개발한다.
• 정확도와 안정성이 모두 중요한 수치 상대성 이론 및 편미분방정식 시뮬레이션 분야에서 표준 $\theta$-ICN의 실용적 대안을 제공한다.
• 자르트레이션 오차 및 안정성 분석, 선형, 준선형, 비선형 편미분방정식에 대한 수치 실험을 통해 신규 방법을 검증한다.

제안 방법

• 시간 단계 내에서 두 번의 반복 간에 기하평균을 사용한 $\theta$ 가중치를 적용하는 기하평균(GA) $\theta$-ICN 방법을 도입한다.
• 연속된 두 개의 시간 단계에 걸쳐 산술평균을 사용한 $\theta$ 값에 기반한 산술평균(AA) $\theta$-ICN 방법을 개발한다. 이 경우 각 반복에서는 $\theta$ 값을 일정하게 유지한다.
• 예측-수정 프레임워크 내에서 수정된 평균 전략을 적용하여 자르트레이션 오차 항을 균형 잡음으로써 두 번째 차수 정확도를 확보한다.
• 자르트레이션 오차 분석과 본-뉴먼 안정성 분석을 활용하여 새로운 스킴의 두 번째 차수 수렴성과 안정성을 공식적으로 검증한다.
• 선형 및 비선형 쌍곡형 편미분방정식(버거스 방정식 포함)에 대해 유한차분 스킴으로 두 방법을 구현하며, 시간 및 공간 이산화를 일관되게 적용한다.
• 참고 해를 구하기 위해 매우 작은 시간 간격을 사용한 표준 ICN 방법을 기반으로 $L_1$, $L_2$, $L_\infty$ 노름에서 수렴률을 계산한다.

실험 결과

연구 질문

• RQ1 표준 $\theta$-ICN 방법이 $\theta \neq 0.5$일 경우 두 번째 차수 정확도를 복원할 수 있는가? 이는 안정성의 손실 없이 가능할까?
• RQ2 시간 단계 내 두 번의 반복에 걸쳐 기하평균된 $\theta$ 값 사용이 두 번째 차수 수렴성을 유지하는가?
• RQ3 연속된 두 개의 시간 단계에 걸쳐 산술평균된 $\theta$ 값 사용이 두 번째 차수 정확도를 유지하면서도 $\theta > 0.5$일 때의 안정성 이점을 그대로 유지하는가?
• RQ4 기존의 표준 $\theta$-ICN, 교환된 $\theta$-ICN, 전체 ICN 방법과 비교해보았을 때, 새로운 방법의 정확도와 수렴 속도는 어떠한가?
• RQ5 수정된 방법들이 버거스 방정식과 같은 비선형 편미분방정식에 대해서도 두 번째 차수 수렴성을 유지하는가?

주요 결과

• 기하평균(GA) $\theta$-ICN 방법은 $\theta = 0.6$일 때 시간에 대해 두 번째 차수 수렴성을 확보하였으며, $L_1$, $L_2$, $L_\infty$ 노름에서 관측된 수렴 차수는 약 2.0이다.
• 산술평균(AA) $\theta$-ICN 방법 역시 $\theta = 0.6$일 때 두 번째 차수 수렴성을 보였으며, 모든 $L_p$ 노름에서 수렴 차수는 2.0~2.1 사이였다.
• 표준 $\theta$-ICN 방법은 $\theta = 0.6$일 경우 뿐만 아니라 첫 번째 차수 수렴성을 보였으며, 이는 원래 방법이 $\theta \neq 0.5$일 경우 정확도가 저하됨을 확인한다. 반면 제안된 방법들은 이에 비해 뛰어난 성능을 보였다.
• 교환된 $\theta$-ICN 방법 역시 첫 번째 차수 정확도를 보였으며, 이는 두 번째 차수 정확도를 복원하기 위해 제안된 평균 전략의 필요성을 더욱 강력히 뒷받침한다.
• 버거스 방정식에 대한 수치 결과는 GA 및 AA $\theta$-ICN 방법이 기준 ICN 해와 매우 유사하게 수렴하며, $\theta = 0.6$인 표준 $\theta$-ICN 방법보다 뚜렷이 뛰어난 성능을 보임을 보여준다.
• 안정성 및 자르트레이션 오차 분석 결과, 두 제안된 방법 모두 조건부 안정성이 아닌 무조건 안정적이며, $\theta \neq 0.5$일 경우에도 두 번째 차수 정확도를 유지함을 확인하였다.