[论文解读] Computing homogenized coefficients via multiscale representation and hierarchical hybrid grids

Antti Hannukainen, Jean-Christophe Mourrat+1 more|arXiv (Cornell University)|May 16, 2019

Advanced Mathematical Modeling in Engineering参考文献 44被引用 4

一句话总结

本论文提出了一种基于分层混合网格的多尺度有限元方法，用于高效计算具有随机、分段常数系数的散度型算子的均质化系数。通过将均质化矩阵分解为尺度分离的项，并利用自适应加密的局部化计算，该方法在中等椭圆对比度和约百分之几的精度下，可在笔记本电脑上实现2D和3D问题的亚秒至亚分钟级收敛。

ABSTRACT

We present an efficient method for the computation of homogenized coefficients of divergence-form operators with random coefficients. The approach is based on a multiscale representation of the homogenized coefficients. We then implement the method numerically using a finite-element method with hierarchical hybrid grids, which is a semi-implicit method allowing for significant gains in memory usage and execution time. Finally, we demonstrate the efficiency of our approach on two- and three-dimensional examples, for piecewise-constant coefficients with corner discontinuities. For moderate ellipticity contrast and for a precision of a few percentage points, our method allows to compute the homogenized coefficients on a laptop computer in a few seconds, in two dimensions, or in a few minutes, in three dimensions.

研究动机与目标

• 开发一种高效的数值方法，用于计算具有随机、分段常数系数的散度型椭圆算子的均质化系数。
• 解决在固定椭圆对比度下，随机介质中铺砌角点处奇异性带来的计算挑战。
• 通过自适应、尺度分离的离散化方法，在标准硬件上实现高精度的均质化系数估计。
• 提供一种数值稳定、可细化的算法，避免在精度需求提高时重新计算。
• 在2D和3D示例上验证该方法，展示在笔记本电脑上实现亚秒至亚分钟级运行时间，适用于不同椭圆对比度。

提出的方法

• 该方法通过在不同长度尺度上递归求解局部PDE于逐渐扩大的区域，将均质化矩阵分解为不同尺度的贡献项。
• 采用一系列函数 $ v_k $，满足 $ (2^{-k} - \nabla\cdot\mathbf{a}\nabla)v_k = 2^{-k}v_{k-1} $，以捕捉越来越粗尺度的影响。
• 对乘积 $ v_{k-1}v_k $ 和 $ v_k^2 $ 应用平滑平均处理，使用具有紧支集的缩放截断函数 $ \chi_{r_k} $，以计算估计量 $ \widehat{\sigma}_n^2 $。
• 有限元离散化采用分层混合网格实现，通过半隐式矩阵组装和类似多重网格的加密策略，降低内存使用并加速计算。
• 该算法支持即时细化：当需要更高精度时，可重用先前计算结果，避免完全重新计算。
• 该方法以Julia语言实现并免费提供，已在具有分段常数系数和不同椭圆对比度的2D和3D问题上进行了数值验证。

实验结果

研究问题

• RQ1 能否构建一种均质化系数的多尺度表示，使得短尺度贡献主导计算，而长尺度校正可被高效近似？
• RQ2 如何利用分层混合网格在随机介质的均质化系数有限元计算中降低内存占用和运行时间？
• RQ3 估计量 $ \widehat{\sigma}_n^2 $ 的收敛速率如何随尺度数 $ n $ 变化，是否与理论预测一致？
• RQ4 该方法在具有角不连续性的问题上表现如何，此类问题会在解中引发强奇异性？
• RQ5 该方法能否在标准笔记本电脑上实现几秒钟（2D）或几分钟（3D）内达到约百分之几的精度，完成均质化系数估计？

主要发现

• 对于2D问题，中等椭圆对比度下，该方法在笔记本电脑上可在10秒内实现约百分之几误差的均质化系数计算。
• 在3D中，相同硬件下该方法在5分钟内达到相似精度，经验方差以 $ 2^{-3n} $ 速率衰减，与理论预测 $ \gamma = d = 3 $ 一致。
• 在3D中，当 $ \alpha = 1, \beta = 9 $ 时，单个样本 $ \widehat{\sigma}^2(n=2, N_{\text{ref}}=4) $ 落在均质化矩阵的95%置信区间 $[3.62, 3.80]$ 内，计算耗时约38分钟。
• 该方法在2D中表现出预渐近收敛速率约 $ h^{0.1337} $，在适度加密下可实现快速误差降低。
• 估计量 $ \widehat{\sigma}_n^2 $ 对椭圆对比度增加具有鲁棒性，其方差在很大程度上与加密级别 $ N_{\text{ref}} $ 无关，且以 $ C3^{-\gamma n} $ 速率衰减，其中 $ \gamma \approx 3.2 $，接近理论值 $ \gamma = d $。
• 该方法支持即时细化：若需更高精度，可重用先前计算结果，避免完全重新计算。