[论文解读] Efficient Scaling and Moving Techniques for Spectral Methods in Unbounded Domains

Mingtao Xia, Sihong Shao+1 more|arXiv (Cornell University)|Sep 28, 2020

Ocean Waves and Remote Sensing参考文献 23被引用 6

一句话总结

该论文提出了一种针对无界域上谱方法的自适应缩放与移动技术，利用频率和外部误差指标动态调整配点。该方法在涉及扩散和平移的时间依赖问题中实现了快速谱收敛，成功追踪了细胞增殖模型中的爆破行为，并优于固定缩放方法。

ABSTRACT

When using Laguerre and Hermite spectral methods to numerically solve PDEs in unbounded domains, the number of collocation points assigned inside the region of interest is often insufficient, particularly when the region is expanded or translated to safely capture the unknown solution. Simply increasing the number of collocation points cannot ensure a fast convergence to spectral accuracy. In this paper, we propose a scaling technique and a moving technique to adaptively cluster enough collocation points in a region of interest in order to achieve a fast spectral convergence. Our scaling algorithm employs an indicator in the frequency domain that is used to determine when scaling is needed and informs the tuning of a scaling factor to redistribute collocation points to adapt to the diffusive behavior of the solution. Our moving technique adopts an exterior-error indicator and moves the collocation points to capture the translation. Both frequency and exterior-error indicators are defined using only the numerical solutions. We apply our methods to a number of different models, including diffusive and moving Fermi-Dirac distributions and nonlinear Dirac solitary waves, and demonstrate recovery of spectral convergence for time-dependent simulations. Performance comparison in solving a linear parabolic problem shows that our frequency scaling algorithm outperforms the existing scaling approaches. We also show our frequency scaling technique is able to track the blowup of average cell sizes in a model for cell proliferation.

研究动机与目标

• 解决在无界域上使用谱方法求解PDE时，兴趣区域配点不足的问题。
• 克服固定缩放与移动策略无法适应解行为演化的问题。
• 基于纯数值解构建指标，实现无需解的先验知识即可自动、自适应地重新分布配点。
• 通过结合缩放与移动技术，确保涉及扩散与平移的时间依赖问题实现谱收敛。
• 在非线性和爆破问题（包括细胞增殖模型）上展示所提方法的有效性。

提出的方法

• 从中间数值解的傅里叶变换中推导出频率指标，用于检测高频分量并评估近似误差。
• 利用频率指标引导时间依赖的坐标系缩放，通过调整缩放因子β(t)以维持低误差并保持谱收敛。
• 提出一种外部误差指标，用于估计外域误差，从而实现自适应移动配点以跟踪平移解。
• 实施“先移动后缩放”策略，结合两种指标以处理同时具有平移与扩散的问题。
• 在伪谱框架内应用方法，使用广义拉盖尔函数和埃尔米特函数进行空间离散化。
• 仅通过数值解计算指标，避免依赖解或其导数的解析知识。

实验结果

研究问题

• RQ1 如何使无界域上的谱方法能够自适应于扩散和平移等演化解特征？
• RQ2 能否从数值解中提取的频域指标用于引导动态缩放，以提升谱收敛性？
• RQ3 如何估计外域中的误差并用于触发无界域中的自适应网格移动？
• RQ4 自适应缩放与移动技术在时间依赖PDE中相较于固定缩放方法能多大程度上实现性能提升？
• RQ5 所提方法能否准确追踪无界域中的爆破行为，如细胞增殖模型中的情况？

主要发现

• 频率依赖的缩放算法在求解线性抛物问题时，其谱收敛速度优于固定缩放方法；当N=20时，t=10处的误差从1.143e-02降低至低于8.662e-06。
• 通过动态调整缩放因子βx从0.9至0.2766，频率指标在整个时间演化过程中保持在约10^-6，确保了高精度。
• 在细胞增殖模型中，解的平均大小被准确追踪，缩放后的解与解析平均大小⟨x(t)⟩=5+t在t=10时的偏差在15.001以内。
• 该方法成功捕捉了结构化细胞种群模型中的爆破行为，其中平均大小随时间线性增长，需通过自适应缩放以保持解析精度。
• 移动与缩放技术的结合能够稳健地解析同时具有平移与扩散的问题，且在无需解动力学先验知识的情况下维持谱收敛。
• 外部误差指标能有效检测何时解的平移需要网格移动，使方法能够自适应地将配点移至关注区域。