[论文解读] A recurrence scheme for least-square optimized polynomials

C. Gebert, I. Montvay|ArXiv.org|Feb 28, 2003

Particle physics theoretical and experimental studies参考文献 2被引用 3

一句话总结

本文提出了一种用于计算高次最小二乘优化多项式递推方案，该多项式用于费米子格点场论模拟，特别是在两步多玻色子（TSMB）算法中。通过利用正交多项式展开和高精度算术，该方法能够在接近零处准确逼近逆幂函数——这对轻费米子质量至关重要——同时允许使用单精度算术高效计算，C语言实现支持高达数千次的多项式次数。

ABSTRACT

A recurrence scheme is defined for the numerical determination of high degree polynomial approximations to functions as, for instance, inverse powers near zero. As an example, polynomials needed in the two-step multi-boson (TSMB) algorithm for fermion simulations are considered. For the polynomials needed in TSMB a code in C is provided which is easily applicable to polynomial degrees of several thousands.

研究动机与目标

• 开发一种数值稳定且高效的高次多项式逼近方法，用于近似在零附近取值的逆幂函数，这些函数在费米子格点场论模拟中至关重要。
• 解决在区间 $[\epsilon, \lambda]$ 上对函数如 $x^{-\alpha}\bar{P}(x)$ 进行最小二乘优化时的病态问题，其中 $\epsilon \ll \lambda$，且 $\lambda/\epsilon$ 可能超过 $10^6$。
• 提供一种实用的C实现，即使在多项式次数达到数千时，也能以极低计算成本计算这些多项式，同时保证高精度。
• 通过正交展开技术，实现仅使用标准32位浮点数算术即可准确评估所得多项式，避免运行时使用高精度算术。

提出的方法

• 该方法使用通过三系数递推关系定义的正交多项式 $\Phi_\mu(x)$，其系数为 $\beta_\mu = -p_\mu / q_\mu$ 和 $\gamma_{\mu-1} = -q_\mu / q_{\mu-1}$，其中 $p\_\mu$、$q\_\mu$ 和 $s\_\mu$ 是在区间 $[\epsilon, \lambda]$ 上对权函数 $w(x)$ 的积分。
• 展开系数 $d_{n\nu} = b_\nu / q_\nu$ 由内积 $b_\nu = \int_\epsilon^\lambda w(x)^2 f(x) \Phi_\nu(x) dx$ 计算得出，以最小化最小二乘偏差范数 $\delta_n^{\text{min}}$。
• 在递推计算过程中使用高精度算术，以确保在 $\lambda/\epsilon$ 比值较大时由病态矩阵引发的数值稳定性。
• 通过正交展开 $P_n(x) = \sum_{\nu=0}^n d_{n\nu} \Phi_\nu(x)$ 进行多项式求值，即使使用单精度浮点数算术也能实现高精度评估。
• 在TSMB算法中，该方法计算三个主要多项式：$P^{(1)}$ 逼近 $x^{-\alpha}$，$P^{(2)}$ 逼近带有多项式权重的 $P^{(1)}$，以及 $P^{(3)}$ 逼近 $P^{(2)}$ 的逆平方根，通过牛顿型迭代进行迭代优化。
• 提供了一段C代码，支持多种多项式类型，包括使用Neuberger公式或从粗略初始近似出发的牛顿迭代对 $P^{(3)}$ 进行迭代优化，支持可调节的区间边界和权函数。

实验结果

研究问题

• RQ1 当 $\epsilon \sim 10^{-6}$ 且 $\lambda \sim 1$ 时，如何稳定计算高次最小二乘优化多项式，以逼近具有大条件数的函数（如 $x^{-\alpha}$）在零附近的取值？
• RQ2 何种递推方案能够利用高精度算术实现此类多项式的精确计算，同时允许使用标准32位浮点数运算实现高效评估？
• RQ3 如何改进 $P^{(3)} \approx (P^{(2)})^{-1/2}$ 的逼近，特别是在区间的低端，以减少TSMB算法中不可纠正的误差？
• RQ4 何种迭代方法可高效优化 $P^{(3)}$ 的多项式逼近，而无需对大 $K$ 值依赖昂贵的Neuberger公式？
• RQ5 能否有效使用低阶初始猜测对 $P^{(3)}$ 进行牛顿型迭代，以极低计算成本实现高精度结果？

主要发现

• 该递推方案即使在条件数超过 $10^6$ 的情况下，也能通过在递推阶段使用高精度算术，稳定计算出高达数千次的最小二乘优化多项式。
• 通过使用正交多项式展开，仅使用32位浮点数算术即可准确评估所得多项式，显著降低运行时开销。
• 对于第三个多项式 $P^{(3)}$，从粗略初始近似（如 $P^{(2)'}$）出发的牛顿型迭代仅需两到三次迭代即可获得高精度结果，因此在高精度情况下无需使用Neuberger公式。
• C实现支持多种多项式类型和配置，输出文件分别存储 $P^{(1)}$、$P^{(2)}$ 和 $P^{(3)}$ 的递推系数和多项式参数。
• 高精度计算所需的数字位数与多项式次数呈线性关系：第一项多项式约为 $40 + 1.6n_1$ 位，第二和第四项约为 $70 + 2.2n_{2,4}$ 位，反映了嵌套积分带来的复杂度增加。
• 该方法在逼近中实现了机器精度，最终的 $P^{(5)}$ 序列（$P^{(3)}$ 的迭代优化）在几次迭代后表现出与初始猜测无关的收敛性，验证了牛顿迭代方法的鲁棒性。