[论文解读] The Eigenvalues Slicing Library (EVSL): Algorithms, Implementation, and Software

Ruipeng Li, Yuanzhe Xi+2 more|arXiv (Cornell University)|Feb 14, 2018

Matrix Theory and Algorithms参考文献 42被引用 4

一句话总结

EVSL 是一个软件库，通过谱切片结合多项式与有理函数滤波，解决大规模稀疏对称特征值问题，能够高效计算数千个内部特征值。它利用Krylov子空间方法与子空间迭代，支持矩阵自由运算与可扩展并行计算，在电子结构计算的高维问题中性能优于传统方法。

ABSTRACT

This paper describes a software package called EVSL (for EigenValues Slicing Library) for solving large sparse real symmetric standard and generalized eigenvalue problems. As its name indicates, the package exploits spectrum slicing, a strategy that consists of dividing the spectrum into a number of subintervals and extracting eigenpairs from each subinterval independently. In order to enable such a strategy, the methods implemented in EVSL rely on a quick calculation of the spectral density of a given matrix, or a matrix pair. What distinguishes EVSL from other currently available packages is that EVSL relies entirely on filtering techniques. Polynomial and rational filtering are both implemented and are coupled with Krylov subspace methods and the subspace iteration algorithm. On the implementation side, the package offers interfaces for various scenarios including matrix-free modes, whereby the user can supply his/her own functions to perform matrix-vector operations or to solve sparse linear systems. The paper describes the algorithms in EVSL, provides details on their implementations, and discusses performance issues for the various methods.

研究动机与目标

• 解决大规模对称特征值问题中计算大量内部特征值的挑战，特别是在电子结构计算中。
• 克服 ARPACK 和 Anasazi 等现有软件的局限性，这些软件针对谱边缘的少数特征值进行了优化。
• 开发一个可扩展、灵活的软件库，支持矩阵自由运算与并行执行，适用于高性能计算环境。
• 通过滤波技术高效求解标准与广义特征值问题，降低正交化计算成本。
• 提供模块化、可扩展的谱切片框架，支持多项式与有理函数滤波，满足多样化的科学工作负载需求。

提出的方法

• 通过将特征值谱划分为子区间，并对每个子区间独立使用滤波技术求解，实现谱切片。
• 通过切比雪夫或类似切比雪夫的迭代实现多项式滤波，以近似谱投影算子，无需矩阵分解。
• 通过构造针对特定子区间的有理函数实现有理函数滤波，需对平移矩阵 $A - \sigma_j B$ 进行分解。
• 将滤波技术与Lanczos算法及子空间迭代结合，从投影的Krylov子空间中提取Ritz对。
• 支持矩阵自由模式，用户可提供自定义的矩阵-向量乘法与线性求解例程，适用于隐式或大规模算子。
• 开发基于MPI的并行实现，适用于分布式内存系统，并计划在有理函数滤波中以迭代求解器替代直接求解器。

实验结果

研究问题

• RQ1 如何有效结合谱切片与滤波技术，以高效计算大量内部特征值？
• RQ2 在CPU时间、内存使用与可扩展性方面，多项式滤波与有理函数滤波的性能权衡如何？
• RQ3 在有理函数滤波中，能否有效使用矩阵自由运算与迭代线性求解器，以降低大规模问题中的内存开销？
• RQ4 在广义特征值问题中，质量矩阵 $B$ 的条件数如何影响滤波类型选择（多项式 vs. 有理函数）？
• RQ5 在分布式内存环境中，有理函数滤波算法的可扩展性面临哪些关键实现挑战？

主要发现

• 对于二维问题，有理函数滤波结合Lanczos方法比多项式滤波更高效，因为 $A - \sigma_j B$ 的分解成本较低。
• 对于大规模三维问题，多项式滤波比有理函数滤波更高效，因为 $A - \sigma_j B$ 的分解成本过高。
• 有理函数滤波的内存使用显著高于多项式滤波，因为需要存储平移矩阵的分解结果。
• 切比雪夫多项式迭代可无需分解直接求解含 $B$ 的系统，使得在 $B$ 条件良好时多项式滤波具有可行性。
• 有理函数滤波的性能取决于 $A - \sigma_j B$ 分解的可负担性；若分解成本过高，多项式滤波仍是可行的替代方案。
• 未来工作将聚焦于在有理函数滤波中以迭代求解器替代直接求解器，以降低内存使用，尤其是在并行环境中。