[论文解读] FaVeST: Fast Vector Spherical Harmonic Transforms

Quôc Thông Lê Gia, Ming Li+1 more|arXiv (Cornell University)|Jul 31, 2019

Geophysics and Gravity Measurements参考文献 68被引用 4

一句话总结

该论文提出 FaVeST，一种用于在单位球面上计算前向与伴随向量球谐变换（FwdVSHT 和 AdjVSHT）的快速算法，通过利用标量球谐变换和 Clebsch-Gordan 系数，实现近线性计算复杂度。该方法将 FwdVSHT 的计算成本降低至 𝒪(N log √N)，AdjVSHT 的计算成本降低至 𝒪(M log √M)，并通过模拟切向场的验证表明，该方法具有高精度、高效率和良好的数值稳定性。

ABSTRACT

Vector spherical harmonics on the unit sphere of $\mathbb{R}^3$ have broad applications in geophysics, quantum mechanics and astrophysics. In the representation of a tangent vector field, one needs to evaluate the expansion and the Fourier coefficients of vector spherical harmonics. In this paper, we develop fast algorithms (FaVeST) for vector spherical harmonic transforms on these evaluations. The forward FaVeST evaluates the Fourier coefficients and has a computational cost proportional to $N\log \sqrt{N}$ for $N$ number of evaluation points. The adjoint FaVeST which evaluates a linear combination of vector spherical harmonics with a degree up to $\sqrt{M}$ for $M$ evaluation points has cost proportional to $M\log\sqrt{M}$. Numerical examples of simulated tangent fields illustrate the accuracy, efficiency and stability of FaVeST.

研究动机与目标

• 为解决在涉及球面上切向量场的应用中，缺乏高效计算向量球谐变换算法的问题。
• 将 FwdVSHT 和 AdjVSHT 的计算成本从 𝒪(N²) 和 𝒪(M²) 降低至近线性复杂度。
• 开发一种可实际应用的软件实现方案，用于快速变换，适用于地球物理学、天体物理学和流体动力学领域。
• 通过在模拟切向场上的数值实验，验证所提算法的精度、稳定性和效率。

提出的方法

• 利用 Clebsch-Gordan 系数，显式地以标量球谐函数表示无散和无旋的向量球谐函数。
• 通过上述表示，将 FwdVSHT 和 AdjVSHT 构造为标量球谐变换的复合形式。
• 在球面上应用快速傅里叶变换（FFT）技术，以加速标量谐波系数的计算。
• 采用多项式精确的求积规则，确保变换计算中积分的高精度离散化。
• 在 MATLAB 软件包中实现该算法，以支持实际应用并便于集成到现有求解器中。
• 通过在不同节点数量下的模拟切向场进行数值实验，对方法进行验证。

实验结果

研究问题

• RQ1 能否利用现有的快速标量谐波变换，在近线性时间内计算切向场的向量球谐变换？
• RQ2 如何利用 Clebsch-Gordan 系数，将向量球谐函数表示为标量谐波函数的组合，以实现计算加速？
• RQ3 在不同采样点数量下，所提出的快速算法能达到的精度和稳定性如何？
• RQ4 该算法能否在软件中高效实现，并集成到球面上偏微分方程的现有计算框架中？

主要发现

• 前向 FaVeST 在 N 个采样点下的计算成本为 𝒪(N log √N)，显著低于标准的 𝒪(N²) 复杂度。
• 伴随 FaVeST 在 M 个采样点下的运行时间为 𝒪(M log √M)，可实现从谐波系数到向量场的快速重构。
• 数值实验表明，前向变换中的相对误差随 N 增大而缓慢增长，归一化误差为 𝒪(1/N)，表明具有良好的收敛性和稳定性。
• 算法表现出高度的数值稳定性，前向与伴随变换的归一化误差包络线随 N 增加而减小。
• 该软件包功能完整，已成功应用于加速球面上切向场的张量小波变换。
• 该方法适用于集成到球面上 Stokes 方程和 Navier-Stokes 方程等偏微分方程的求解器中，未来工作将致力于在 Python 中支持 HEALPix 网格。