[论文解读] A non grid-based interpolation scheme for the eigenvalue problem

Kai Lin, Wei‐Liang Qian|arXiv (Cornell University)|Sep 8, 2016

Advanced Numerical Analysis Techniques参考文献 2被引用 12

一句话总结

本文提出了一种基于局部散乱数据和泰勒级数展开的非网格插值方案，用于在查询点处近似函数值及其导数。通过求解基于邻近点泰勒展开导出的线性系统，该方法实现了自适应精度控制，并在求解量子力学势能的特征值问题中表现出高精度，其有效性通过与精确解的对比得到验证。

ABSTRACT

We propose a non grid-based interpolation scheme based on the information from the data collected from the vicinity of the query point. As a non-grid-based interpolation, the data points can be distributed randomly in a small region, and the interpolation is constructed so that it naturally makes use of the information not only on the function value but also on its higher order derivatives. The main advantage of the present approach is that the precision of the interpolation can be adjusted in accordance to the quantity of the data, in other words, a balance between the precision and the computational cost can be achieved by properly choosing the size of the neighborhood where the data points are collected. The method is applicable to univariate as well as multivariate functions. We show that the proposed scheme is efficient and precise. The present approach is then employed to study the eigenvalue problem.

研究动机与目标

• 开发一种不依赖于规则网格数据分布的灵活插值方法。
• 通过调整邻近数据点的数量，实现在插值中自适应的精度控制。
• 将该插值方案应用于求解量子力学中的微分方程和特征值问题。
• 通过与标准软件的数值对比，展示该方法的效率和精度。
• 探索该方法在物理领域中的应用，特别是在散乱数据或非规则采样常见的场景中，如广义相对论中的准正规模。

提出的方法

• 该方法利用函数在查询点处的泰勒级数展开，将邻近散乱数据点处的函数值与导数值关联起来。
• 其形式化为线性系统 F = MD，其中 F 包含 N 个散乱点处的函数值，D 包含查询点处的函数及其导数值，M 包含由相对坐标差导出的系数。
• 通过矩阵求逆求解未知向量 D，从而仅使用局部数据即可实现在查询点的插值。
• 该方案适用于单变量和多变量函数，近似阶数由泰勒展开中的项数控制。
• 该方法自然地融入高阶导数信息，从而在不依赖结构化网格的情况下提升精度。
• 可通过调节邻域大小和数据点数量，在计算成本与精度之间实现平衡。

实验结果

研究问题

• RQ1 基于局部散乱数据点的非网格插值方法是否能实现高精度？
• RQ2 插值精度如何随邻近数据点数量的变化而变化？
• RQ3 该插值方案是否能有效应用于求解量子力学中的微分方程和特征值问题？
• RQ4 与 MATLAB 或 Mathematica 等标准数值求解器相比，该方法在精度和效率方面表现如何？
• RQ5 在非规则或稀疏数据采样场景中，该方法的实际优势是什么？

主要发现

• 对于 Pöschl-Teller 势，该方法在前三个特征值上的相对误差低于 1%，其中 (k,λ)=(10,10) 时最大偏差为 0.5%。
• 对于三角函数势，当 V_a=1000 时，该方法的误差在 0.05% 以内，特征值 E_1 和 E_2 与精确值在四位有效数字内一致。
• 该方法表现出一致的收敛性，随着数据点数量的增加，特征值估计值趋近于精确值。
• 在 V_a=1000 的情况下，计算得到的 E_1=104.402 与精确值 E_1=104.403 的偏差仅为 0.001，显示出高精度。
• 对于 V_a=10 的三角函数势，该方法略微高估了 E_1（15.9083 vs. 16.0275），但误差小于 0.8%。
• 即使在高势能值下，该方法仍保持良好性能，V_a=1000 时 E_4 的偏差仅比精确值高出 0.1%。