[论文解读] A fast minimal residual solver for overlap fermions

Artan Boriçi, Alban Allkoci|ArXiv.org|Feb 9, 2006

Particle physics theoretical and experimental studies参考文献 12被引用 4

一句话总结

本文提出了一种专为格点QCD中移位酉系统量身定制的新型三重递推关系，用于阿诺德里过程，从而实现了两种新型Krylov子空间求解器——SUOM与SHUMR——的构建，用于处理重叠费米子传播子。SHUMR算法在所有测试的格点尺寸与夸克质量下，相比此前最快的SUMR方法，收敛速度提升了10%–15%，展现出在求解大规模重叠费米子线性系统方面的卓越效率。

ABSTRACT

Computing quark propagators with overlap fermions requires the solution of a shifted unitary linear system. Jagels and Reichel have shown that for such systems it is possible to construct a minimal residual algorithm by short recurrences. The Jülich-Wuppertal group have found this algorithm to be the fastest among overlap solvers. In this paper we present a three-term recurrence for the Arnoldi unitary process. Using the new recurrence we construct a minimal residual solver which is the fastest among all Krylov subspace algorithms considered so far for the overlap inversion.

研究动机与目标

• 开发一种更高效的迭代求解器，用于格点QCD中重叠费米子的夸克传播子计算。
• 解决标准GMRES方法在移位酉系统中长递推带来的计算瓶颈问题。
• 构建一种保持残差最小化最优性的短递推Krylov子空间方法，适用于重叠费米子系统。
• 通过引入一种具有三重递推关系的新酉阿诺德里过程，改进现有的SUMR算法。
• 在真实的格点配置上，将新求解器与CGNE、CR和SUMR等成熟方法进行对比验证。

提出的方法

• 提出一种新的三重递推关系用于酉阿诺德里过程，相比标准阿诺德里方法，显著降低了计算成本与内存使用。
• 推导出移位酉正交方法（SUOM），通过构建与Krylov子空间正交的残差向量。
• 提出移位酉最小残差方法（SHUMR），利用新递推关系在Krylov子空间上最小化残差范数。
• 采用一种改进的阿诺德里过程，通过短递推保持基向量的正交性，避免对历史向量的完整累积。
• 利用内伯格重叠狄拉克算符（一种移位酉矩阵）的结构特性，借助酉性实现短递推。
• 在MATLAB中实现算法，并提供代码，便于移植至C++环境，结合uBLAS库以支持高性能计算。

实验结果

研究问题

• RQ1 能否为酉阿诺德里过程推导出三重递推关系，从而实现针对移位酉系统的短递推Krylov求解器？
• RQ2 新提出的SHUMR算法是否在重叠费米子系统中相比此前最优的SUMR求解器实现了更快的收敛速度？
• RQ3 在不同夸克质量和格点耦合条件下，新求解器（SUOM与SHUMR）在收敛速度与鲁棒性方面表现如何？
• RQ4 几何最优性与代数最优性对重叠费米子Krylov子空间方法收敛行为的影响是什么？
• RQ5 新递推方法是否能提升大规模格点QCD模拟中的数值稳定性和效率？

主要发现

• 新提出的酉阿诺德里过程三重递推关系首次实现了短递推Krylov子空间方法，显著降低了计算与内存开销。
• 在所有测试配置中，包括轻夸克质量（m=0.005）与不同β值（β=5.7, 6.0）下，SHUMR算法相比SUMR收敛速度快10%–15%。
• SHUMR在轻夸克质量下表现出超线性收敛，残差范数约为10⁻³（β=6.0）与10⁻⁵（β=5.7）时收敛速率持续提升，而CR则保持线性收敛。
• SUOM与SUMR收敛速度相近，但SHUMR始终表现更优，表明Krylov子空间构造方式对收敛效率有显著影响。
• 新求解器（SHUMR与SUOM）比CGNE与CG-CHI更高效，即使在较重夸克质量下，后者也表现更差。
• 尽管SHUMR与SUMR均最小化残差范数，但SHUMR具有几何最优性，收敛速度更快，表明其在Krylov子空间探索方面更具效率。