We present a unified framework to efficiently approximate solutions to fractional diffusion problems of stationary and parabolic type. After discretization, we can take the point of view that the solution is obtained by a matrix-vector product of the form $f^{\boldsymbol{\tau}}(L)\mathbf{b}$, where $L$ is the discretization matrix of the spatial operator, $\mathbf{b}$ a prescribed vector, and $f^{\boldsymbol{\tau}}$ a parametric function, such as the fractional power or the Mittag-Leffler function. In the abstract framework of Stieltjes and complete Bernstein functions, to which the functions we are interested in belong to, we apply a rational Krylov method and prove uniform convergence when using poles based on Zolotar\"ev's minimal deviation problem. The latter are particularly suited for fractional diffusion as they allow for an efficient query of the map $\boldsymbol{\tau}\mapsto f^{\boldsymbol{\tau}}(L)\mathbf{b}$ and do not degenerate as the fractional parameters approach zero. We also present a variety of both novel and existing pole selection strategies for which we develop a computable error certificate. Our numerical experiments comprise a detailed parameter study of space-time fractional diffusion problems and compare the performance of the poles with the ones predicted by our certificate.


翻译:我们提出了一个统一框架, 以高效方式解决固定和抛光型的分解扩散问题。 在分解后, 我们可以看到, 解决方案是通过一个以 $ff ⁇ boldsymbol_tau}( L)\mathbf{b}}$( 美元) 的形式的矩阵- 矢量( 美元) 获得的矩阵- 矢量( 美元), 一个指定的矢量( 美元) 和 $\boldsymbol_ tau_ $ ( 美元) 一个参数函数, 例如分数能力或 Mittag- Leffler 函数。 在Stieltjes 和完整 Bernstein 函数的抽象框架中, 我们感兴趣的函数属于这个格式, 我们应用了理性的 Krylov 方法, 当使用基于 Zolotar\\\\ “ ev” 最小偏差点的极量( $) 的极量矩阵时, 就会证明一致。 后者特别适合分数的传播, 因为这样可以有效地查询地图 $\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\

0
下载
关闭预览

相关内容

专知会员服务
50+阅读 · 2020年12月14日
【ICLR 2019】双曲注意力网络,Hyperbolic  Attention Network
专知会员服务
82+阅读 · 2020年6月21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
19篇ICML2019论文摘录选读!
专知
28+阅读 · 2019年4月28日
SIGIR2019 接收论文列表
专知
18+阅读 · 2019年4月20日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
自然语言处理顶会EMNLP2018接受论文列表!
专知
87+阅读 · 2018年8月26日
人工智能领域顶会IJCAI 2018 接受论文列表
专知
5+阅读 · 2018年5月16日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15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
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年6月9日
VIP会员
相关资讯
19篇ICML2019论文摘录选读!
专知
28+阅读 · 2019年4月28日
SIGIR2019 接收论文列表
专知
18+阅读 · 2019年4月20日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
自然语言处理顶会EMNLP2018接受论文列表!
专知
87+阅读 · 2018年8月26日
人工智能领域顶会IJCAI 2018 接受论文列表
专知
5+阅读 · 2018年5月16日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15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
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