[论文解读] A diffusion generated method for computing Dirichlet partitions

Dong Wang, Braxton Osting|arXiv (Cornell University)|Feb 8, 2018

Graph theory and applications参考文献 19被引用 3

一句话总结

该论文提出了一种基于扩散生成的方法，用于在 $d$ 维平坦环面和球面上计算 Dirichlet $k$-划分，该方法结合了迭代扩散、最大值选择与归一化。该方法高效计算出最优划分，在二维中揭示了六边形蜂窝结构，在三维中揭示了菱形十二面体和 Weaire-Phelan 结构，在四维中揭示了 24-胞体蜂窝结构，首次发表了四维平坦环面上的结果。

ABSTRACT

A Dirichlet $k$-partition of a closed $d$-dimensional surface is a collection of $k$ pairwise disjoint open subsets such that the sum of their first Laplace-Beltrami-Dirichlet eigenvalues is minimal. In this paper, we develop a simple and efficient diffusion generated method to compute Dirichlet $k$-partitions for $d$-dimensional flat tori and spheres. For the $2d$ flat torus, for most values of $k=3$-9,11,12,15,16, and 20, we obtain hexagonal honeycombs. For the $3d$ flat torus and $k=2,4,8,16$, we obtain the rhombic dodecahedral honeycomb, the Weaire-Phelan honeycomb, and Kelvin's tessellation by truncated octahedra. For the $4d$ flat torus, for $k=4$, we obtain a constant extension of the rhombic dodecahedral honeycomb along the fourth direction and for $k=8$, we obtain a 24-cell honeycomb. For the $2d$ sphere, we also compute Dirichlet partitions for $k=3$-7,9,10,12,14,20. Our computational results agree with previous studies when a comparison is available. As far as we are aware, these are the first published results for Dirichlet partitions of the $4d$ flat torus.

研究动机与目标

• 开发一种高效的数值方法，用于在紧凑流形（如平坦环面和球面）上计算 Dirichlet $k$-划分。
• 解决在高维空间（特别是四维）中 Dirichlet 划分计算研究不足的问题。
• 研究不同 $k$ 值和流形类型下最优划分的几何结构。
• 通过已知结果验证该方法，并探索高维空间中的新构型。
• 首次公开发表四维平坦环面上 Dirichlet 划分的计算结果。

提出的方法

• 该方法在固定时间 $\tau$ 内，通过热方程在定义域上迭代演化 $k$ 个函数。
• 在每个空间点上，保留最大值对应的函数，其余设为零，从而强制实现划分结构。
• 随后对每个函数进行归一化，以保持其 $L^2$-范数为单位，从而维持能量最小化框架。
• 算法使用快速傅里叶变换（FFT）加速平坦环面的计算，使用球谐变换（SHT）加速球面的计算。
• 该方法基于 Dirichlet 划分问题的映射重构形式，其中划分对应于向量值基态的非零水平集。
• 该过程重复进行，直至收敛至最小化总第一 Dirichlet 特征值之和的稳定配置。

实验结果

研究问题

• RQ1 在二维和三维平坦环面上，对于不同的 $k$ 值，最优 Dirichlet $k$-划分会呈现出何种几何结构？
• RQ2 该扩散生成方法能否可靠地计算高维流形（如四维平坦环面）上的 Dirichlet 划分？
• RQ3 计算出的划分与已知的极小曲面或密铺结构（如 Weaire-Phelan 或 24-胞体蜂窝）相比如何？
• RQ4 该方法是否能恢复二维球面上已知的结果，并可否推广至新的 $k$ 值？
• RQ5 基于数值证据，当 $k \to \infty$ 时，高维空间中最优划分的渐近行为如何？

主要发现

• 对于二维平坦环面，当 $k=3$ 到 $9$，$11$，$12$，$15$，$16$，$20$ 时，该方法计算出的划分呈现六边形蜂窝结构，与已知的渐近最优性一致。
• 对于三维平坦环面，当 $k=2$，$4$，$8$，$16$ 时，该方法分别生成了菱形十二面体蜂窝、Weaire-Phelan 结构和 Kelvin 的截断八面体密铺。
• 对于四维平坦环面，$k=4$ 时得到沿第四维方向的菱形十二面体蜂窝的常数延拓，$k=8$ 时得到 24-胞体蜂窝，这是该设置下的首次公开发表结果。
• 在二维球面上，该方法成功计算出 $k=3$ 到 $7$，$9$，$10$，$12$，$14$，$20$ 的划分，结果与先前研究一致。
• 计算出的能量值 $\tilde{E}$ 随 $k$ 增大而减小，例如在球面上 $k=20$ 时，$\tilde{E} = 12.20$，表明能量效率更高。
• 该方法在合理计算时间内实现收敛，例如在 $64^4$ 网格点的四维超立方体上，$k=8$ 时耗时 9803 秒。