项目名称: 分数阶偏微分方程与近场动力学等非局部模型的高保真快速算法与数值分析

项目编号: No.11471194

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 数理科学和化学

项目作者: 王宏

作者单位: 山东大学

项目金额: 78万元

中文摘要: 分数阶偏微分方程等非局部模型对反常扩散等兼有非局部特性的问题提供了比整数阶方程更为准确合理的描述。但它们的数值格式会产生稠密矩阵,传统方式求解要求O(N2)的存储量与(每一时间步)O(N3)的计算量,N是空间未知量个数。这使得它们的实际三维应用不可行。 我们通过深入研究数值格式的结构针对一致剖分的情况首次在国际上建立了求解(一维和多维)分数阶方程等非局部问题的高保真快速算法,其存储量为O(N),计算量为O(Nlog2N)。三维算例显示计算时间从近3个月改进为6秒并保持精度。本项目的研究目标是建立更一般空间网格上非局部问题的高保真快速算法。 我们的研究显示系数和右端(多维问题还包括区域)的正则性不能保证分数阶方程解的正则性。因此,文献上假定精确解光滑所得到的误差分析及高阶算法无法保证。本项目的第二个目标是在不假定解的正则性的条件下建立分数阶方程高阶数值方法及证明相应高阶误收敛性。

中文关键词: 高保真快速算法;分数阶方程;非局部模型;有限元方法;数值分析

英文摘要: Fractional partial differential equations and related nonlocal models provide more appropriate and accurate description for problems with nonlocal behavior such as anomalous diffusion than traditional integer-order partial differential equations do. However, numerical methods for nonlocal models generate dense matrices, and so require O(N2) of memory and (at each time step) O(N3) of computational cost, where N is the number of spatial unknowns. This makes their realistic three-dimensional applications virtually impossible. 1. We were the first internationally to derive fast high-fidelity numerical methods for (one- and multidimensional) space-fractional partial differential equations and related nonlocal models discretized on uniform spatial partitions, which reduce the memory requirement from O(N2) to O(N) and computational cost from O(N3) to O(N log2 N). Three dimensional numerical experiments showed that our fast method reduced the CPU time from almost three months to below 6 seconds while retaining the accuracy of the underlying method. The first objective of this proposal is to derive fast high-fidelity numerical methods for nonlocal problems on more general spatial meshes. 2. We recently showed that in the context of fractional differential equations, the regularity of coefficients and right-hand side (plus the smoothness of the physical domain for multidimensional problems) does not guarantee the regularity of the true solution to the problem. Hence, the high-order numerical methods developed and the high-order convergence rates proved in the literature under the assumption of the sufficiently high regularity of the true solution of the fractional differential equations are unfounded and cannot be guaranteed mathematically by any means. The second objective of this proposal is to develop high-order numerical methods and prove corresponding high-order convergence estimates without any assumption on the true solution of the problem but only in terms of the given data of the problem.

英文关键词: Fast high-fidelity methods;fractional partial differential equations;nonlocal models;finite element methods;numerical analysis

成为VIP会员查看完整内容
1

相关内容

【AAAI2022】注意力机制的快速蒙特卡罗近似
专知会员服务
19+阅读 · 2022年2月5日
【博士论文】多视光场光线空间几何模型研究
专知会员服务
22+阅读 · 2021年12月6日
专知会员服务
13+阅读 · 2021年10月9日
专知会员服务
36+阅读 · 2021年7月17日
【开放书】《矩阵流形优化算法》,241页pdf
专知会员服务
93+阅读 · 2021年7月3日
最新《非凸优化理论》进展书册,79页pdf
专知会员服务
108+阅读 · 2020年12月18日
专知会员服务
43+阅读 · 2020年9月25日
《常微分方程》笔记,419页pdf
专知会员服务
71+阅读 · 2020年8月2日
【ICLR2020】图神经网络与图像处理,微分方程,27页ppt
专知会员服务
47+阅读 · 2020年6月6日
图神经网络的困境,用微分几何和代数拓扑解决
机器之心
4+阅读 · 2022年3月27日
语音识别的快速纠错模型FastCorrect系列来了!
微软研究院AI头条
1+阅读 · 2022年3月22日
神经网络常微分方程 (Neural ODEs) 解析
AI科技评论
41+阅读 · 2019年8月9日
用缩放CNN消除反卷积带来的棋盘伪影
论智
19+阅读 · 2018年10月30日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月20日
Principal Neighbourhood Aggregation for Graph Nets
Arxiv
17+阅读 · 2020年6月7日
小贴士
相关VIP内容
【AAAI2022】注意力机制的快速蒙特卡罗近似
专知会员服务
19+阅读 · 2022年2月5日
【博士论文】多视光场光线空间几何模型研究
专知会员服务
22+阅读 · 2021年12月6日
专知会员服务
13+阅读 · 2021年10月9日
专知会员服务
36+阅读 · 2021年7月17日
【开放书】《矩阵流形优化算法》,241页pdf
专知会员服务
93+阅读 · 2021年7月3日
最新《非凸优化理论》进展书册,79页pdf
专知会员服务
108+阅读 · 2020年12月18日
专知会员服务
43+阅读 · 2020年9月25日
《常微分方程》笔记,419页pdf
专知会员服务
71+阅读 · 2020年8月2日
【ICLR2020】图神经网络与图像处理,微分方程,27页ppt
专知会员服务
47+阅读 · 2020年6月6日
相关资讯
图神经网络的困境,用微分几何和代数拓扑解决
机器之心
4+阅读 · 2022年3月27日
语音识别的快速纠错模型FastCorrect系列来了!
微软研究院AI头条
1+阅读 · 2022年3月22日
神经网络常微分方程 (Neural ODEs) 解析
AI科技评论
41+阅读 · 2019年8月9日
用缩放CNN消除反卷积带来的棋盘伪影
论智
19+阅读 · 2018年10月30日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员