[论文解读] Solving periodic semilinear stiff PDEs in 1D, 2D and 3D with exponential integrators

Hadrien Montanelli, Niall Bootland|arXiv (Cornell University)|Apr 29, 2016

Numerical methods for differential equations参考文献 60被引用 15

一句话总结

本文评估了30种指数积分法在1D、2D和3D中求解周期性半线性刚性PDE的问题，采用谱空间离散化和通过矩阵指数进行时间积分。主要发现是ETDRK4在各类PDE中始终优于或等同于更复杂的方案，使其成为具有周期边界条件的刚性PDE高精度模拟中最稳健且高效的选项。

ABSTRACT

Dozens of exponential integration formulas have been proposed for the high-accuracy solution of stiff PDEs such as the Allen-Cahn, Korteweg-de Vries and Ginzburg-Landau equations. We report the results of extensive comparisons in MATLAB and Chebfun of such formulas in 1D, 2D and 3D, focusing on fourth and higher order methods, and periodic semilinear stiff PDEs with constant coefficients. Our conclusion is that it is hard to do much better than one of the simplest of these formulas, the ETDRK4 scheme of Cox and Matthews.

研究动机与目标

• 评估30种指数积分法在1D、2D和3D中求解刚性、周期性、半线性PDE的性能。
• 识别用于高精度求解此类PDE的最高效和最稳定的数值方法。
• 在傅里叶谱空间离散化下，比较四阶及以上阶指数积分法。
• 评估不同PDE类型和维度下稳定性、精度与计算成本之间的权衡。
• 通过在MATLAB和Chebfun中基准测试方法，为用户提供实用指导。

提出的方法

• 在周期性区域上通过傅里叶谱方法进行空间离散化，将PDE转化为谱空间中的常微分方程系统。
• 通过指数积分法进行时间积分，精确积分线性部分（利用矩阵指数），并用求积法近似非线性部分。
• 实现的方法包括ETDRK4、ETD Adams–Bashforth、Lawson、广义Lawson、修正广义Lawson以及指数预测-校正方案。
• 使用基于FFT的算法高效计算傅里叶系数和微分矩阵。
• 通过Chebfun中的spin、spin2和spin3求解器进行基准测试，并使用spincomp工具进行性能对比分析。
• 预计算指数积分法的系数，包括密集矩阵指数和Butcher表，以实现高阶精度。

实验结果

研究问题

• RQ1 对于具有周期边界的1D、2D和3D刚性半线性PDE，哪种指数积分法在精度、稳定性与效率之间达到最佳平衡？
• RQ2 在不同PDE中，五阶EXPRK5S8等高阶指数积分法与ETDRK4相比，在计算成本和稳定性方面表现如何？
• RQ3 为何某些方案如ETD Adams–Bashforth和标准Lawson方法尽管具有高阶精度，仍表现出不稳定性？
• RQ4 在多维问题中，修正广义Lawson和指数预测-校正方法在多大程度上优于ETDRK4？
• RQ5 指数积分法的性能是否能通过其阶数或系数结构在各类PDE中一致预测？

主要发现

• ETDRK4在1D、2D和3D中所有11个测试PDE中均表现出最佳的整体性能，其效率和稳定性均优于更复杂的方案。
• 对于大多数PDE，五阶EXPRK5S8积分法在1D中比ETDRK4更高效，但在KdV方程和Cahn–Hilliard方程中，低精度下会出现不稳定性。
• 广义Lawson和标准Lawson方法对许多问题（尤其是KdV和Cahn–Hilliard方程）表现出不稳定性，尽管其设计为高阶。
• 修正广义Lawson和指数预测-校正方法在特定PDE（如2D和3D中的Ginzburg–Landau方程）中表现具有竞争力，但并未普遍优于ETDRK4。
• ETDRK4仅被ModGenLawson41和GenLawson41方案几乎匹敌，后者在Ginzburg–Landau方程中表现出相似效率，但在其他问题中仍效率较低。
• 高阶方案（如EXPRK5S8）的计算成本和复杂性较高，需预计算更多系数，尽管效率提升微小，仍限制其吸引力。