[论文解读] Tucker tensor method for fast grid-based summation of long-range potentials on 3D lattices with defects

Venera Khoromskaia, Boris N. Khoromskij|arXiv (Cornell University)|Nov 7, 2014

Tensor decomposition and applications参考文献 36被引用 3

一句话总结

本文提出一种Tucker张量方法，用于在具有缺陷的3D晶格上实现快速、基于网格的长程势能求和，利用低秩的Canonical和Tucker张量格式，将复杂度从O(L³)降低至O(L)。该方法通过低秩张量算术实现数百万个相互作用的秒级高效计算，具有稳定的误差界，并在网格大小N上实现线性缩放。

ABSTRACT

In this paper, we present a method for fast summation of long-range potentials on 3D lattices with multiple defects and having non-rectangular geometries, based on rank-structured tensor representations. This is a significant generalization of our recent technique for the grid-based summation of electrostatic potentials on the rectangular $L imes L imes L$ lattices by using the canonical tensor decompositions and yielding the $O(L)$ computational complexity instead of $O(L^3)$ by traditional approaches. The resulting lattice sum is calculated as a Tucker or canonical representation whose directional vectors are assembled by the 1D summation of the generating vectors for the shifted reference tensor, once precomputed on large $N imes N imes N$ representation grid in a 3D bounding box. The tensor numerical treatment of defects is performed in an algebraic way by simple summation of tensors in the canonical or Tucker formats. To diminish the considerable increase in the tensor rank of the resulting potential sum the $\varepsilon$-rank reduction procedure is applied based on the generalized reduced higher-order SVD scheme. For the reduced higher-order SVD approximation to a sum of canonical/Tucker tensors, we prove the stable error bounds in the relative norm in terms of discarded singular values of the side matrices. The required storage scales linearly in the 1D grid-size, $O(N)$, while the numerical cost is estimated by $O(N L)$. Numerical tests confirm the efficiency of the presented tensor summation method: we demonstrate that a sum of millions of Newton kernels on a 3D lattice with defects/impurities can be computed in seconds in Matlab implementation.

研究动机与目标

• 开发一种快速、可扩展的方法，用于计算具有缺陷（如空位和杂质）的3D晶格上的长程势能。
• 将先前基于张量的晶格求和技术扩展至非矩形和具有缺陷的晶格，同时保持计算效率。
• 通过低秩格式实现对单个势能张量表示的代数求和，以最小化存储和计算成本。
• 通过简化高阶SVD（RHOSVD）实现稳定、误差可控的秩约减，适用于Canonical和Tucker张量。
• 利用张量算术支持对所得势能场进行进一步的函数运算（如积分、微分）。

提出的方法

• 通过拉普拉斯变换和sinc-积分近似，将基本势能核（如牛顿势、尤卡夫势）在大尺寸N×N×N网格上表示为低秩Tucker或Canonical张量格式。
• 通过沿晶格矢量平移核心张量和骨架向量，为每个晶格位点生成参考势能的平移副本。
• 通过1D方向向量（骨架）的求和操作，组装完整的晶格求和，同时保持低分离秩。
• 通过ε-秩约减方法，利用简化高阶SVD（RHOSVD）控制求和后的张量秩，尤其在对缺陷位点进行代数求和后。
• 利用Canonical到Tucker的转换，将高秩Canonical求和结果转换为具有稳定误差界（以被舍弃的奇异值之和表示）的低秩Tucker格式。
• 利用张量算术实现高效下游运算（如积分、微分），实现1D复杂度缩放。

实验结果

研究问题

• RQ1 能否使用低秩张量格式在具有缺陷的3D晶格上表示并求和长程势能，同时保持线性复杂度？
• RQ2 在对多个缺陷晶格贡献进行代数求和后，如何控制张量秩？
• RQ3 简化高阶SVD近似在Canonical或Tucker张量求和中的稳定性与误差界如何？
• RQ4 与标准方法中的O(L³)复杂度相比，该方法能否在非矩形或缺陷晶格上实现O(L)的计算复杂度？
• RQ5 该张量表示在多大程度上能以最小额外成本支持进一步的数值运算（如微分、积分）？

主要发现

• 该方法实现O(NL)的计算复杂度和O(N)的存储复杂度，随1D网格尺寸N线性缩放，优于经典方法的O(L³)复杂度。
• 即使在对数百万个具有缺陷的晶格位点求和后，所得求和结果的张量秩仍由参考势能的秩所限制，保持有界。
• 数值实验表明，使用Matlab实现，可在数秒内完成具有缺陷的3D晶格上数百万个牛顿核的求和。
• 简化HOSVD近似在相对范数下提供稳定误差界，其误差与各方向矩阵中被舍弃奇异值之和成正比。
• 该方法适用于广泛的相互作用核，包括牛顿势、尤卡夫势、Lennard-Jones势和偶极-偶极相互作用势。
• Tucker和Canonical张量格式允许通过1D复杂度的张量算术，高效实现对势能场的函数运算（如积分、微分）。