[论文解读] Hierarchical interpolative factorization for elliptic operators: integral equations

Kenneth L. Ho, Lexing Ying|arXiv (Cornell University)|Jul 10, 2013

Electromagnetic Scattering and Analysis被引用 4

一句话总结

本论文提出了积分方程的分层插值分解（HIF-IE），一种新颖的方法，通过密集离散化积分算子的递归树状分解，实现椭圆PDE的高效求解。通过结合基于插值分解（ID）的矩阵稀疏化与递归维数约减，HIF-IE实现了近似广义LU分解，估计复杂度为拟线性，从而能够以快速多极方法、直接求解器或预条件子的方式快速应用算子及其逆算子。

ABSTRACT

This paper introduces the hierarchical interpolative factorization for integral equations (HIF-IE) associated with elliptic problems in two and three dimensions. This factorization takes the form of an approximate generalized LU decomposition that permits the efficient application of the discretized operator and its inverse. HIF-IE is based on the recursive skeletonization algorithm but incorporates a novel combination of two key features: (1) a matrix factorization framework for sparsifying structured dense matrices and (2) a recursive dimensional reduction strategy to decrease the cost. Thus, higher-dimensional problems are effectively mapped to one dimension, and we conjecture that constructing, applying, and inverting the factorization all have linear or quasilinear complexity. Numerical experiments support this claim and further demonstrate the performance of our algorithm as a generalized fast multipole method, direct solver, and preconditioner. HIF-IE is compatible with geometric adaptivity and can handle both boundary and volume problems. MATLAB codes are freely available.

研究动机与目标

• 解决2D和3D中由离散化椭圆积分方程产生的密集线性系统的高计算成本问题。
• 克服传统直接求解器（O(N³)）和迭代方法（在高对比度或复杂几何下收敛缓慢）在高对比度或复杂几何中的局限性。
• 为具有几何自适应性的边界积分方程和体积积分方程开发一种可扩展、鲁棒且精确的直接求解器。
• 实现算子分解、应用和逆运算的线性或拟线性复杂度，使其适用于时间推进、反演问题和多个右端项。
• 通过单一分解结构，提供与快速多极方法、直接求解器和预条件子兼容的统一框架。

提出的方法

• 提出HIF-IE作为椭圆积分方程密集系统矩阵的分层树状插值分解。
• 采用增强的递归骨架化算法（RS），并引入基于插值分解（ID）的新型矩阵稀疏化框架，以压缩非对角块。
• 提出递归维数约减，将高维问题映射为低维子问题，降低计算成本。
• 构建近似广义LU分解，其中分解以分层树格式存储，支持高效的矩阵-向量乘法。
• 利用骨架化算子自适应识别低秩结构，通过ID选择基向量以优化压缩效率和精度。
• 支持几何自适应性，可处理第一类和第二类弗雷德霍姆积分方程，包括拉普拉斯、亥姆霍兹及其他椭圆PDE的奇异核。

实验结果

研究问题

• RQ1 分层插值分解能否实现2D和3D椭圆PDE离散积分方程的拟线性复杂度？
• RQ2 通过ID实现的矩阵稀疏化与递归维数约减的结合，如何提升直接求解器的效率和可扩展性？
• RQ3 HIF-IE在不同问题类型下，能在多大程度上作为快速多极方法、直接求解器和预条件子，保持一致的性能表现？
• RQ4 HIF-IE的实证和理论复杂度是多少？与H-矩阵或FMM等现有方法相比有何差异？
• RQ5 在高精度下，HIF-IE能否在显著减小骨架规模的同时保持高精度，特别是在3D问题中？

主要发现

• HIF-IE在算子分解、应用和逆运算中实现了估计的拟线性复杂度，数值实验确认了近似线性缩放。
• 与标准递归骨架化（RS）和rskelf3相比，该方法在速度和精度方面表现更优，尤其在高精度下；hifie3x虽需更大的骨架规模，但可恢复完整精度。
• 数值实验表明，HIF-IE随问题规模增长表现出良好的可扩展性，实证复杂度与理论估计吻合良好，尽管渐近收敛性尚未完全达到。
• HIF-IE成功处理了边界积分方程和体积积分方程，包括病态的第一类问题和良态的第二类问题。
• 该算法支持几何自适应性，高效处理多个右端项和低秩更新，适用于时间推进和反演问题。
• MATLAB实现代码已公开，支持可复现性，并推动其在科学计算应用中的广泛应用。