[论文解读] Smoothed aggregation algebraic multigrid for problems with heterogeneous and anisotropic materials

Max Firmbach, Malachi Phillips+4 more|arXiv (Cornell University)|Feb 5, 2026

Advanced Numerical Methods in Computational Mathematics被引用 0

一句话总结

该论文提出了一种材料感知的连接强度，用于平滑聚合代数多重网格（AMG），提高对异质性和各向异性椭圆问题的鲁棒性。

ABSTRACT

This paper introduces a material-aware strength-of-connection measure for smoothed aggregation algebraic multigrid methods, aimed at improving robustness for scalar partial differential equations with heterogeneous and anisotropic material properties. Classical strength-of-connection measures typically rely only on matrix entries or geometric distances, which often fail to capture weak couplings across material interfaces or align with anisotropy directions, ultimately leading to poor convergence. The proposed approach directly incorporates material tensor information into the coarsening process, enabling a reliable detection of weak connections and ensuring that coarse levels preserve the true structure of the underlying problem. As a result, smooth error components are represented properly and sharp coefficient jumps or directional anisotropies are handled consistently. A wide range of academic tests and real-world applications, including thermally activated batteries and solar cells, demonstrate that the proposed method maintains robustness across material contrasts, anisotropies, and mesh variations. Scalability and parallel performance of the algebraic multigrid method highlight the suitability for large-scale, high-performance computing environments.

研究动机与目标

• 为具有锋利界面和各向异性的多材料椭圆偏微分方程求解器提供鲁棒性动机。
• 开发一种材料感知的粗化策略，在 AMG 粗化过程中捕获材料张量信息。
• 结合平滑与过滤方法，管理算子复杂度同时保留近空间。
• 在学术与真实世界问题中展示对材料对比、各向异性及网格变化的鲁棒性。

提出的方法

• 提出基于材料张量检测材料界面处弱连接的材料加权距离拉普拉斯强度连接度度量 S_sigma^{dlap}。
• 使用带材料基距离 d_sigma(x,y) 的距离拉普拉斯框架来形成 dropping 决策的 S_sigma^{dlap}。
• 通过带有聚合体导引的平滑聚合构建粗网格，利用过滤后的图 C(S(A)) 来丢弃不重要的连接。
• 使用经过筛选的矩阵 A_F 对猜测的延长算子进行平滑以控制算子复杂度（并使用对角线的1范数以提高稳定性）。
• 按照公式 (20) 通过对聚合体平均坐标和张量来在不同层之间传递材料数据。
• 通过学术测试问题和真实世界应用（电池和太阳能电池）在 Trilinos/MueLu 平台上以 CG 为求解器评估鲁棒性与可扩展性。

实验结果

研究问题

• RQ1 如何将材料异质性和各向异性纳入强连接度度量以改进 AMG 粗化？
• RQ2 材料感知的 SA-AMG 能否在大材料对比、各向异性和网格变化下保持鲁棒性？
• RQ3 使用基于材料的距离拉普拉斯及筛选平滑对收敛性与算子复杂度有何影响？
• RQ4 所提出的方法能否处理如热激活电池和太阳能电池等真实世界的多材料问题？

主要发现

• 材料基强连接度通过在材料界面和各向异性方向上丢弃弱连接实现鲁棒的粗化。
• 该方法在粗网格上保留了尖锐系数跃变和各向异性方向，改善了光滑误差表示。
• 实验表明在材料对比、各向异性和网格变化下具有鲁棒性，包括真实世界的电池与太阳能电池场景。
• 提出的带筛选的 A_F 平滑在保持收敛性的同时维持较低的算子复杂度。
• 在大规模高性能计算场景中展示了 AMG 方法的可扩展性与并行性能。