Solving wave equations in a time-parallel manner is challenging, and the algorithm based on the block $\alpha$-circulant preconditioning technique has shown its advantage in many existing studies (where $\alpha\in(0, 1)$ is a free parameter). Considerable efforts have been devoted to exploring the spectral radius of the preconditioned matrix and this leads to many case-by-case studies depending on the used time-integrator. In this paper, we propose a unified way to analyze the convergence via directly studying the error of the algorithm and using the stability of the time integrator. Our analysis works for all one-step time-integrators and two exemplary classes of two-step time-integrators: the parameterized Numerov methods and the parameterized two-stage hybrid methods. The main conclusion is that the global error satisfies $\|{\textbf{err}}^{k+1}\|_{{\mathbf W}, 2}\leq \frac{\alpha}{1-\alpha}\|{\mathbf{err}}^{k}\|_{{\mathbf W}, 2}$ provided that the time-integrator is stable, where $k$ is the iteration index and for any vector $v$ the norm $\|v\|_{{\mathbf W}, 2}$ is defined by $\|v\|_{{\mathbf W}, 2}=\|{\mathbf W}v\|_2$ with ${\mathbf W}$ being a matrix depending on the space discretization matrix only. Even though we focus on wave equations in this paper, the proposed argument is directly applicable to other evolution problems.


翻译:以时间整数的方式解决波形方程式是具有挑战性的,基于 $\ alpha$- circulant 先决条件技术的计算法在许多现有研究中显示了它的优势( $\ alpha$\ in( 0. 1 ) 是一个免费参数 )。 已经花费大量精力探索先决条件矩阵的光谱半径,这导致许多案例研究,取决于使用的时间- 内集成器。 在本文中,我们提议了一种统一的方法,通过直接研究算法的错误和使用时间整数的稳定性来分析趋同。 我们对所有一步时间整数和两步制时间整合器的两个模范级的参数进行了分析: 参数化的Numerov 方法和参数化的两阶段混合方法。 主要结论是, 全球误差满足了 $@ textb{r\ {r\\\\\\\\\\\\ ma\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\

0
下载
关闭预览

相关内容

专知会员服务
41+阅读 · 2021年4月2日
最新《深度学习理论》笔记,68页pdf
专知会员服务
49+阅读 · 2021年2月14日
专知会员服务
17+阅读 · 2020年9月6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
【论文笔记】通俗理解少样本文本分类 (Few-Shot Text Classification) (1)
深度学习自然语言处理
7+阅读 · 2020年4月8日
Hierarchically Structured Meta-learning
CreateAMind
25+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能类 | 国际会议/SCI期刊专刊信息9条
Call4Papers
4+阅读 · 2018年7月10日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Linear Systems can be Hard to Learn
Arxiv
0+阅读 · 2021年4月2日
Arxiv
0+阅读 · 2021年4月2日
Arxiv
0+阅读 · 2021年4月1日
VIP会员
相关资讯
【论文笔记】通俗理解少样本文本分类 (Few-Shot Text Classification) (1)
深度学习自然语言处理
7+阅读 · 2020年4月8日
Hierarchically Structured Meta-learning
CreateAMind
25+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能类 | 国际会议/SCI期刊专刊信息9条
Call4Papers
4+阅读 · 2018年7月10日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员