[论文解读] Dynamical low-rank integrator for the linear Boltzmann equation: error analysis in the diffusion limit

Zhiyan Ding, Lukas Einkemmer+1 more|arXiv (Cornell University)|Jul 9, 2019

Model Reduction and Neural Networks参考文献 44被引用 4

一句话总结

本文首次对线性玻尔兹曼方程在扩散极限下的动力低秩（DLR）积分器进行了数学误差分析。结果表明，采用投影分裂时间积分器时，DLR方法能够动态且准确地捕捉解的内在秩一结构，且在使用类似克兰克-尼科尔森的隐式欧拉（CNIE）格式时，仅在时间步长条件较宽松的情况下即可证明其收敛性。

ABSTRACT

Dynamical low-rank algorithms are a class of numerical methods that compute low-rank approximations of dynamical systems. This is accomplished by projecting the dynamics onto a low-dimensional manifold and writing the solution directly in terms of the low-rank factors. The approach has been successfully applied to many types of differential equations. Recently, efficient dynamical low-rank algorithms have been applied to treat kinetic equations, including the Vlasov--Poisson and the Boltzmann equation, where it was demonstrated that the methods are able to capture the low-rank structure of the solution and significantly reduce numerical cost, while often maintaining high accuracy. However, no numerical analysis is currently available. In this paper, we investigate the error analysis for a dynamical low-rank algorithm applied to the multi-scale linear Boltzmann equation (a classical model in kinetic theory) to showcase the validity of the application of dynamical low-rank algorithms to kinetic theory. The equation, in its parabolic regime, is known to be rank one theoretically, and we will prove that the scheme can dynamically and automatically capture this low-rank structure. This work thus serves as the first mathematical error analysis for a dynamical low-rank approximation applied to a kinetic problem.

研究动机与目标

• 建立针对动力低秩逼近应用于动力方程的首个严格数学误差分析。
• 研究DLR方法是否能够动态捕捉线性玻尔兹曼方程在扩散极限下理论上预测的低秩结构。
• 分析时间积分器在保持低秩结构方面的作用，特别是对比隐式欧拉与CNIE格式的性能。
• 通过数值实验验证，DLR方法在多尺度区域中能够保持高精度并降低计算成本，同时维持秩一结构。
• 为动力理论中DLR方法的应用提供理论依据，弥补尽管其数值表现强劲但缺乏分析支持的空白。

提出的方法

• 该方法采用投影分裂积分器直接演化解矩阵的低秩因子，避免完整维度的表示。
• 时间积分采用类似克兰克-尼科尔森的隐式欧拉（CNIE）格式，其固有的对称性被证明可保持低秩结构。
• 分析在线性玻尔兹曼方程的扩散标度下进行，此时解理论上为秩一。
• 通过将DLR解与全秩参考解进行比较，推导出误差界，并在时间步长条件较宽松时证明收敛性。
• 该方法应用于具有常数和高对比截面的线性玻尔兹曼方程，测试了动力与扩散两种情形。
• 数值验证采用隐式欧拉/迎风求解器以及扩散极限解作为参考，误差以Frobenius范数和秩逼近误差进行度量。

实验结果

研究问题

• RQ1 动力低秩积分器能否准确捕捉线性玻尔兹曼方程在扩散极限下的内在秩一结构？
• RQ2 时间积分器的选择（隐式欧拉与CNIE）如何影响DLR格式中低秩结构的保持？
• RQ3 在多尺度区域中，DLR方法在何种条件下能保持收敛性与稳定性？
• RQ4 当初始数据为良好准备时，DLR方法是否无需显式强制即可保持低秩结构？
• RQ5 与全秩求解器及扩散极限相比，DLR方法的定量误差行为如何？

主要发现

• DLR方法在数值和理论上均成功捕捉了线性玻尔兹曼方程在扩散极限下的理论秩一结构。
• 当初始数据为良好准备时，CNIE时间积分器在时间步长适中时可自动保持低秩结构，而隐式欧拉方法则需极小的时间步长。
• 数值实验表明，空间与速度方向的秩逼近误差均呈指数衰减，证实了该方法的鲁棒性。
• 当 ε = 10⁻³ 时，DLR解与扩散极限高度吻合，验证了其在渐近区域的准确性。
• 该方法在显著减少自由度的同时保持了高精度，证明了其计算效率且未牺牲解的保真度。
• 随着秩 r 增加，低秩逼近的Frobenius范数误差迅速衰减，证实了该方法在 r 增大时的收敛性。