[论文解读] Highly Efficient Rank-Adaptive Sweep-based SI-DSA for the Radiative Transfer Equation via Mild Space Augmentation

Wei Guo, Zhichao Peng|arXiv (Cornell University)|Mar 26, 2026

Stochastic Gradient Optimization Techniques被引用 0

一句话总结

论文开发了一种秩自适应、扫掠式源迭代结合扩散数值加速（SI–DSA）的稳态辐射传输方程求解器，利用温和的空间扩增在记忆和时间上实现节省，同时处理中到高有效秩。

ABSTRACT

Low-rank methods have emerged as a promising strategy for reducing the memory footprint and computational cost of discrete-ordinates discretizations of the radiative transfer equation (RTE). However, most existing rank-adaptive approaches rely on rank-proportional space augmentation, which can negate efficiency gains when the effective solution rank becomes moderately large. To overcome this limitation, we develop a rank-adaptive sweep-based source iteration with diffusion synthetic acceleration (SI-DSA) for the first-order steady-state RTE. The core of our method is a sweep-based inner-loop iterative low-rank solver that performs efficient rank adaptation via mild space augmentation. In each inner iteration, the spatial basis is augmented with a small, rank-independent number of basis vectors without truncation, while a single truncation is performed only after the inner loop converges. Efficient rank adaptation is achieved through residual-based greedy angular subsampling strategy together with incremental updates of projection operators, enabling non-intrusive reuse of existing transport-sweep implementations. In the outer iteration, a DSA preconditioner is applied to accelerate convergence. Numerical experiments show that the proposed solver achieves accuracy and iteration counts comparable to those of full-rank SI-DSA while substantially reducing memory usage and runtime, even for challenging multiscale problems in which the effective rank reaches 30-45% of the full rank.

研究动机与目标

• 在高相空间维数下，动机Deterministic RTE离散化的记忆和计算挑战。
• 开发一个对第一阶RTE的秩自适应、基于扫掠的SI–DSA求解器，避免过度的秩扩增。
• 引入基于残差的贪婪角子采样策略以驱动高效的秩自适应。
• 通过混合角空间采样与物理空间投影方法，实现对现有传输扫掠实现的非侵入式复用。

提出的方法

• 用低秩分解Ψ ≈ X S V^T 表示角向量通量，并进行内部循环迭代，轻微通过增加 p 个新快照来扩展模态空间，而不立即截断。
• 在每次内部迭代中，通过传输扫掠求解新的角向量方向，并以修正的 Gram–Schmidt 程序（带选择性重新正交化，MGS-RO）逐步更新空间基 X 与投影算子。
• 使用基于残差的贪婪随机角向量子集采样，从更大的候选集 S^(k) 中选择下一内部迭代的 p 个方向。
• 在内部循环收敛后仅进行一次截断，以获得低秩表示，从而实现温和的空间扩增（每次内部迭代 r 增加 p）。
• 保持外部 SI–DSA 循环，加入扩散型加速步骤以提高收敛速度，类似于全秩 SI–DSA，但应用于低秩解。

Figure 1 : Full-rank reference scalar flux for the homogeneous problem in Sec. 4.1 obtained with $(N_{x},N_{y},N_{\theta},N_{\bm{\Omega}_{z}})=(80,80,40,20)$ . Top left: $\sigma_{s}=0.1$ . Top right: $\sigma_{s}=1$ . Bottom left: $\sigma_{s}=10$ . Bottom right: $\sigma_{s}=100$ .

实验结果

研究问题

• RQ1 如何将秩自适应性整合到基于扫掠的低秩求解器中，以实现对一阶 RTE 的高效求解而不进行剧烈的空间扩增？
• RQ2 温和、与秩无关的空间扩增是否能够在中高有效秩问题（如全秩的 30–45%）下提供显著的记忆和运行时节省，同时保持精度？
• RQ3 基于残差的角向量子采样策略在内部循环迭代中推动秩自适应的效果如何？
• RQ4 在非侵入式、低秩 SI–DSA 框架中，现有传输扫掠实现能在多大程度上被复用？
• RQ5 所提方法在具有代表性的多尺度 RTE 问题上的性能基准如何？

主要发现

• 所提出的秩自适应、基于扫掠的 SI–DSA 在精度和迭代次数方面与全秩 SI–DSA 相当，同时显著降低了内存和运行时。
• 当有效解的秩达到全秩的约 30–45% 时，该方法仍然有效，适用于具有挑战性的问题。
• 温和的空间扩增策略仅在内部迭代中引入小的、与秩无关的增量，避免了与秩成正比的开销。
• 基于残差的贪婪角向量采样结合投影算子的增量更新，实现对传输扫掠实现的非侵入式复用。
• 内部循环设计将角向量采样投影的成本从 O(NΩ r^3) 降至 O(q r^3)，其中 q ≪ NΩ，因采样导致的减少。

Figure 2 : Configuration of scattering cross section and scalar fluxes obtained by full-rank and low-rank SI-DSA for the variable scattering example in Sec. 4.2 . Left: $\sigma_{s}(x,y)$ . Middle: $\phi$ obtained by full-rank SI-DSA. Right: $\phi$ obtained by low-rank SI-DSA.