In this paper we revisit a two-level discretization based on the Localized Orthogonal Decomposition (LOD). It was originally proposed in [P.Henning, A.M{\aa}lqvist, D.Peterseim. SIAM J. Numer. Anal.52-4:1525-1550, 2014] to compute ground states of Bose-Einstein condensates by finding discrete minimizers of the Gross-Pitaevskii energy functional. The established convergence rates for the method appeared however suboptimal compared to numerical observations and a proof of optimal rates in this setting remained open. In this paper we shall close this gap by proving optimal order error estimates for the $L^2$- and $H^1$-error between the exact ground state and discrete minimizers, as well as error estimates for the ground state energy and the ground state eigenvalue. In particular, the achieved convergence rates for the energy and the eigenvalue are of $6$th order with respect to the mesh size on which the discrete LOD space is based, without making any additional regularity assumptions. These high rates justify the use of very coarse meshes, which significantly reduces the computational effort for finding accurate approximations of ground states. In addition, we include numerical experiments that confirm the optimality of the new theoretical convergence rates, both for smooth and discontinuous potentials.


翻译:在本文中,我们根据地方性矫形分解(LOD)重新审视了两级分解。最初在[P.Henning, A.Mxa}lqvist, D.Peterseim.SIM J.Numer. Anal.52-4:1525-1550,2014]中提议,通过找到Gros-Pitaevskii能源功能的离散最小化器,来计算Bose-Einstein凝结点的地面状态。该方法的既定趋同率似乎与数字观测相比是极不理想的,并证明在这一设置中的最佳趋同率的证据仍然是开放的。在本文件中,我们将通过证明准确地面状态和离散最小化器之间的最佳定序误差估计数,以及地面状态能量和地面状态值值的误差估计数,来计算出这一差距。特别是,能源的趋同率和最佳理论值的达6美元,与离散液态空间的中间体大小相比,仍然是最优的。在本文中,我们将通过证明最精确的轨道空间的精确的计算率率率率来大幅降低我们可能实现的计算。

0
下载
关闭预览

相关内容

专知会员服务
15+阅读 · 2021年5月21日
迁移学习简明教程,11页ppt
专知会员服务
107+阅读 · 2020年8月4日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
计算机 | 国际会议信息5条
Call4Papers
3+阅读 · 2019年7月3日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
计算机类 | APNOMS 2019等国际会议信息6条
Call4Papers
4+阅读 · 2019年4月15日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2022年2月18日
Arxiv
0+阅读 · 2022年2月16日
Arxiv
7+阅读 · 2020年6月29日
VIP会员
相关资讯
计算机 | 国际会议信息5条
Call4Papers
3+阅读 · 2019年7月3日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
计算机类 | APNOMS 2019等国际会议信息6条
Call4Papers
4+阅读 · 2019年4月15日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员