[论文解读] Domain decomposition algorithms for two dimensional linear Schrödinger equation

Christophe Besse, Feng Xing|arXiv (Cornell University)|Jun 18, 2015

Electromagnetic Simulation and Numerical Methods参考文献 15被引用 4

一句话总结

本文提出了一种新的区域分解算法，以及一种针对常数势和一般势的预处理算法，分别用于求解二维线性薛定谔方程。通过引入一种新型吸收透明传输条件，取代传统的罗宾条件，该方法显著加快了收敛速度并减少了计算时间，数值结果表明在子域数量较大时，总计算时间最多可减少80%。

ABSTRACT

This paper deals with two domain decomposition methods for two dimensional linear Schr{ö}dinger equation, the Schwarz waveform relaxation method and the domain decomposition in space method. After presenting the classical algorithms, we propose a new algorithm for the free Schr{ö}dinger equation and a preconditioned algorithm for the general Schr{ö}dinger equation. These algorithms are studied numerically, which shows that the two new algorithms could accelerate the convergence and reduce the computation time. Besides the traditional Robin transmission condition, we also propose to use a newly constructed absorbing condition as the transmission condition.

研究动机与目标

• 改进二维线性薛定谔方程在一般势下的区域分解方法的收敛速率与计算效率。
• 解决经典施瓦茨波形松弛（SWR）和空间区域分解（DDS）方法因传输条件次优而导致收敛缓慢的问题。
• 为常数势情形开发一种新算法，并为一般势情形开发一种基于新型吸收透明传输条件的预处理算法。
• 验证所提算法在不同网格尺寸和子域数量下的鲁棒性与可扩展性。
• 证明新传输条件在迭代次数与计算时间方面优于传统罗宾条件。

提出的方法

• 为常数势薛定谔方程提出一种新的区域分解算法，采用新构造的吸收透明传输条件。
• 为具有变系数势的一般薛定谔方程开发一种预处理算法，使用相同的吸收条件作为传输条件。
• 应用施瓦茨波形松弛（SWR）方法与空间区域分解（DDS）方法，结合时空区域分解与子域间迭代更新。
• 推导并分析界面问题，以证明新算法的收敛特性。
• 在DDS方法中采用半隐式时间离散化，并基于迭代算子的谱特性构造预条件子。
• 采用并行计算，最多使用1024个子域，测试不同网格分辨率下的可扩展性与性能。

实验结果

研究问题

• RQ1 新型吸收透明传输条件能否提升二维线性薛定谔方程区域分解方法的收敛速率？
• RQ2 所提出的预处理算法在迭代次数与计算时间方面与经典SWR和DDS方法相比如何？
• RQ3 新算法在子域数量与网格分辨率变化时是否保持鲁棒性与可扩展性？
• RQ4 与经典罗宾条件相比，新算法对传输条件参数选择的敏感性如何？
• RQ5 所提方法能否使计算时间低于在单个处理器上求解完整问题的参考时间？

主要发现

• 对于N=32个子域、Δx=1/128、Δy=1/8的设置，预处理算法将迭代次数从17次减少至5次，显著提升收敛性。
• 在相同设置下，总计算时间从经典方法的12.1秒降至7.3秒，实现40%的减少。
• 在更细的网格（Δx=1/2048，Δy=1/64）下，预处理算法在N=512个子域时仍保持低迭代次数（m=5–6），且计算时间低于270秒。
• 经典算法的迭代次数随子域数量增加而上升（从N=256时的8次增至N=512时的12次），表明其可扩展性差，而预处理版本保持稳定。
• 当N≥16时，预处理算法的计算时间低于参考时间（Tref=16.1秒），证明其具有强大的可扩展性与效率提升。
• 新型吸收传输条件对不同传输条件类型（罗宾、Padé）及参数均表现出鲁棒性，对调参不敏感。