[论文解读] Stability-Optimized High Order Methods and Stiffness Detection for Pathwise Stiff Stochastic Differential Equations

Christopher Rackauckas, Qing Nie|arXiv (Cornell University)|Apr 12, 2018

Numerical methods for differential equations参考文献 19被引用 10

一句话总结

本论文提出了一类针对路径刚性随机微分方程（SDEs）的稳定性优化自适应强序1.5方法，结合显式与隐式格式，并利用刚性估计器动态切换两者。该方法在瞬态刚性期间允许更大的稳定时间步长，从而在刚性生物与化学模型上实现相对于固定步长方法5倍至6000倍的加速，其中新型自适应IMEX与L-稳定隐式积分器在刚性网络上的性能较显式方法提升近8倍。

ABSTRACT

Stochastic differential equations (SDE) often exhibit large random transitions. This property, which we denote as pathwise stiffness, causes transient bursts of stiffness which limit the allowed step size for common fixed time step explicit and drift-implicit integrators. We present four separate methods to efficiently handle this stiffness. First, we utilize a computational technique to derive stability-optimized adaptive methods of strong order 1.5 for SDEs. The resulting explicit methods are shown to exhibit substantially enlarged stability regions which allows for them to solve pathwise stiff biological models orders of magnitude more efficiently than previous methods like SRIW1 and Euler-Maruyama. Secondly, these integrators include a stiffness estimator which allows for automatically switching between implicit and explicit schemes based on the current stiffness. In addition, adaptive L-stable strong order 1.5 implicit integrators for SDEs and stochastic differential algebraic equations (SDAEs) in mass-matrix form with additive noise are derived and are demonstrated as more efficient than the explicit methods on stiff chemical reaction networks by nearly 8x. Lastly, we developed an adaptive implicit-explicit (IMEX) integration method based off of a common method for diffusion-reaction-convection PDEs and show numerically that it can achieve strong order 1.5. These methods are benchmarked on a range of problems varying from non-stiff to extreme pathwise stiff and demonstrate speedups between 5x-6000x while showing computationally infeasibility of fixed time step integrators on many of these test equations.

研究动机与目标

• 为解决路径刚性SDEs中的挑战，其中罕见的大规模随机跃迁引发瞬态刚性，限制了标准积分器的时间步长。
• 开发稳定性优化的强序1.5显式方法，扩大其稳定性区域，以高效集成刚性SDEs。
• 设计一种自适应刚性估计器，实现基于实时刚性检测的显式与隐式格式之间的动态切换。
• 推导适用于带加法噪声的SDEs与SDAEs的自适应L-稳定强序1.5隐式积分器，提升在刚性化学反应网络中的效率。
• 构建一种受PDE方法启发的自适应IMEX积分器，对具有扩散-反应-对流特性的SDEs实现强序1.5，提升稳定性和效率。

提出的方法

• 利用计算技术推导SDEs的稳定性优化显式强序1.5方法，显著扩大其稳定性区域。
• 集成刚性估计器，实时监测局部刚性，并在必要时自动触发从显式到隐式格式的切换。
• 推导适用于带加法噪声的SDEs与SDAEs（质量矩阵形式）的自适应L-稳定强序1.5隐式积分器，确保在刚性区域的鲁棒性。
• 基于PDE常用方法开发自适应IMEX积分器，通过显式处理噪声与隐式处理漂移，提升稳定性和阶数。
• 采用Wiktorsson近似方法处理互依伊藤积分，实现随机求解器中的高阶强收敛。
• 利用矩阵求逆恒等式与递归代换推导积分器阶段的稳定更新公式，确保在大噪声脉冲下的数值稳定性。

实验结果

研究问题

• RQ1 与标准显式方法（如Euler-Maruyama和SRIW1）相比，稳定性优化的高阶显式方法是否能显著提升路径刚性SDEs的效率？
• RQ2 动态刚性估计器是否能实现显式与隐式格式之间的自动切换，从而在路径刚性SDEs中平衡效率与稳定性？
• RQ3 适用于带加法噪声的SDEs与SDAEs的自适应L-稳定隐式积分器是否在刚性化学反应网络上优于显式方法？
• RQ4 自适应IMEX积分器是否能通过显式与隐式处理噪声与漂移分量，实现路径刚性SDEs的强序1.5？
• RQ5 所提方法在一系列刚性与非刚性SDE问题上相对于固定步长积分器的计算增益是多少？

主要发现

• 所提出的稳定性优化显式方法在路径刚性SDEs上相对于固定步长显式方法（如Euler-Maruyama）实现了最高达6000倍的加速。
• 自适应刚性估计器实现了显式与隐式格式之间的高效切换，可在无需人工干预的情况下稳定通过瞬态刚性事件。
• 适用于SDEs与SDAEs的自适应L-稳定隐式积分器在刚性化学反应网络上相较显式方法提升了近8倍的计算效率。
• 自适应IMEX积分器成功实现了路径刚性SDEs的强序1.5，展现出在扩散-反应-对流型问题上的数值稳定性和效率。
• 在非刚性至极端路径刚性问题上的基准测试表明，计算速度持续提升5倍至6000倍，固定步长方法在许多测试方程上变得计算不可行。
• 所提方法在多种SDE类型中表现出稳健性能，包括在稳定态之间罕见切换的模型以及大噪声脉冲的模型。