[论文解读] A residual concept for Krylov subspace evaluation of the 𝓁 matrix function.

Mike A. Botchev, Leonid Knizhnerman+1 more|arXiv (Cornell University)|Oct 16, 2020

Matrix Theory and Algorithms参考文献 58被引用 4

一句话总结

该论文提出了一种新颖的Krylov子空间算法，用于在大规模问题中高效计算$ϕ$矩阵函数的作用，采用基于残差的停止准则和一种创新的重启过程。该方法保证了数值范围位于稳定复半平面内的矩阵的收敛性，并在求解扩散方程和对流-扩散方程等时间依赖PDE时表现出高效率。

ABSTRACT

An efficient Krylov subspace algorithm for computing actions of the $\varphi$ matrix function for large matrices is proposed. This matrix function is widely used in exponential time integration, Markov chains and network analysis and many other applications. Our algorithm is based on a reliable residual based stopping criterion and a new efficient restarting procedure. For matrices with numerical range in the stable complex half plane, we analyze residual convergence and prove that the restarted method is guaranteed to converge for any Krylov subspace dimension. Numerical tests demonstrate efficiency of our approach for solving large scale evolution problems resulting from discretized in space time-dependent PDEs, in particular, diffusion and convection-diffusion problems.

研究动机与目标

• 开发一种用于大规模应用中计算$ϕ$矩阵函数作用的高效且可靠的算法。
• 解决现有Krylov方法在$ϕ$-函数计算中面临的数值不稳定性和收敛缓慢问题。
• 通过新型重启策略，确保数值范围位于稳定复半平面内的矩阵的收敛性。
• 提供基于残差范数的实用停止准则，以提高计算效率。

提出的方法

• 该方法采用Krylov子空间框架来近似矩阵函数$ϕ$在向量上的作用。
• 使用基于残差的停止准则动态确定收敛性，从而减少不必要的迭代。
• 引入一种新型重启过程，以在多次迭代中保持精度和稳定性。
• 该算法专为数值范围位于稳定复半平面内的矩阵设计，确保理论收敛性。
• 该方法应用于大规模PDE的时间积分，特别是扩散和对流-扩散问题。
• 理论分析证实，在给定稳定性条件下，重启方法具有收敛性。

实验结果

研究问题

• RQ1 如何在时间积分中高效计算大规模稀疏矩阵的$ϕ$矩阵函数作用？
• RQ2 何种停止准则能确保基于Krylov的$ϕ$-函数计算在准确性和计算效率之间取得平衡？
• RQ3 新型重启策略能否改善Krylov子空间方法在$ϕ$-函数计算中的收敛性和稳定性？
• RQ4 在何种条件下，重启的Krylov方法能保证对$ϕ$-函数收敛？
• RQ5 所提方法在实际PDE问题（如对流-扩散方程和扩散方程）上的表现如何？

主要发现

• 当矩阵的数值范围位于稳定复半平面内时，所提算法在任意Krylov子空间维数下均保证收敛。
• 基于残差的停止准则能有效平衡精度与计算成本。
• 新型重启过程显著提升了大规模PDE长期时间积分中的稳定性和效率。
• 数值实验表明，该方法在求解时间依赖PDE（包括扩散和对流-扩散问题）方面具有高效率。
• 在大规模问题中，该方法在鲁棒性和收敛行为方面优于现有方法。
• 理论分析支持该方法在广泛条件下的可靠性，使其适用于实际应用。