生成时间: 2026年10月15日 14:49:03

重点关注论文数量: 4

了解领域论文数量: 5

不相关论文数量: 17

重点关注论文（完整分析）

1. 面向谐波传播的 HDG 离散的模型降阶

Model order reduction of HDG discretizations for harmonic wave propagation

作者: Hélène Barucq, Florian Faucher, Ha Pham, Ishak Tifouti

类别: math.NA, math.AP

发布日期: 2026-10-14

arXiv ID: 2610.20145v1

摘要翻译: 我们提出并分析了一种基于投影的模型降阶方法，用于在频带上快速可靠地求解时谐声波传播问题，特别强调地震应用。高保真模型基于可杂交间断伽辽金 (HDG) 离散，并被表述为耦合体未知量和迹未知量的广义鞍点系统。基构造结合了基于残差的频率参数贪心采样、以 HDG 解的频率导数进行增广，以及本征正交分解 (POD) 压缩。我们建立了高保真问题和降阶问题的适定性，并用 inf-sup 常数刻画其稳定性。我们研究了 HDG 离散固有的静态凝聚与到降阶空间上的投影之间的相互作用，刻画了其对降阶格式和逼近误差的影响。由于这些运算一般不可交换，我们推导了迹变量和体变量的先验误差估计，以量化这两种运算之间的差距。我们进一步识别出体降阶空间上的一个提升条件，该条件消除了这些差距，并给出不依赖于体逼近误差的迹误差估计。在二维 Marmousi 模型和具有超过 $10^{7}$ 个未知量的三维非均匀介质上的数值实验验证了理论估计，并表明降阶模型相较于高保真求解器实现了数个数量级的加速。

Comment: 32 pages, 17 figures

链接: http://arxiv.org/abs/2610.20145v1

1. 研究对象和背景

本文研究阻尼时谐声波在二维或三维截断区域中的传播问题, 目标是在频率扫描或多频查询场景下, 为基于 HDG 离散的高保真模型构造并分析基于投影的模型降阶方法. 设区域 Ω ⊂ R^d, d = 2,3, 边界 Γ = Γ_N ∪ Γ_A, 其中 Γ_N 为反射边界, Γ_A 为人工吸收边界. 介质由密度 ρ ∈ L^∞(Ω) 和体积模量 κ ∈ L^∞(Ω) 描述, 假定二者分片常且满足 0 < ρ_min ≤ ρ ≤ ρ_max, 0 < κ_min ≤ κ ≤ κ_max. 引入复频率 σ = iω - s, 其中 ω ∈ R_+ 为角频率, s > 0 为阻尼参数. 一阶速度-压力形式的时间调和声波方程为

$$ -σ κ^{-1} p + ∇·v = f, in Ω, -σ ρ v + ∇p = 0, in Ω, v·ν = 0, on Γ_N, -(cρ)^{-1} p + v·ν = 0, on Γ_A, $$

其中 c = sqrt(κ/ρ) 为波速, 未知量为压力 p ∈ H^1(Ω; C) 和速度 v ∈ H_div(Ω; C^d), 右端项 f ∈ L^2(Ω) 为标量源. 该模型的重要之处在于, 在地震成像和全波形反演等应用中, 需要在较宽频带上反复求解正问题, 因此对多频查询的边际成本提出了很高要求. 然而, 三维大尺度问题的频率扫描计算量往往非常巨大.

高保真离散采用 hybridizable discontinuous Galerkin (HDG) 方法. HDG 在网格单元内部使用体积未知量 (p_h, v_h), 并在网格骨架 Σ 上引入 hybrid trace 未知量 λ_h, 即寻找 (p_h, v_h, λ_h) ∈ W_h × W_h^d × M_h, 其中 W_h 和 M_h 分别为分片多项式空间. HDG 的局部结构允许逐单元消去体积未知量, 得到仅含 trace 变量的凝聚系统 KΛ = F, 其中

$$ K = ∑_e R_e^T (L_e - B_e A_e^{-1} C_e) R_e, F = -∑_e R_e^T B_e A_e^{-1} S_e. $$

凝聚系统显著减小了全局耦合规模, 但 K 中含有参数相关的逆矩阵 A_e^{-1}, 因而不再关于频率 σ 仿射. 这会破坏模型降阶中离线-在线分解所依赖的仿射参数结构. 为此, 作者保留等价的未凝聚块系统

$$ (A C; B L)(U; Λ) = (S; 0), $$

其中 A = diag_e(A_e), C = diag_e(C_e R_e), 类似定义 B, L, S. 未凝聚系统关于 σ 保持仿射: G(σ) = G_0 + σ G_1. 本文正是在这一未凝聚格式上构造 Galerkin 投影约简, 同时保持 HDG 的块结构.

已有理论背景方面, HDG 方法已被成功用于连续介质力学和波传播, 对 Helmholtz 问题也有误差分析. 在模型降阶领域, 参数化偏微分方程的投影式降阶已有系统理论, 常用 proper orthogonal decomposition (POD) 构造快照空间, 或用 weak-greedy 算法结合后验残差指示子自适应选点. 另一类方法从离散算子的代数结构出发, 如 asymptotic waveform evaluation (AWE), WCAWE, MWCAWE 以及 rational Krylov 方法, 通过匹配解关于参数的矩或导数来构造降维空间. 在波传播和地震领域, 也有频率域降阶、法向模态降阶以及作为反演代理的降阶模型. 对于鞍点或混合格式, 已有工作讨论其降阶扩展. 与本文最接近的是 HDG 系统的降阶工作 [63, 64], 其中采用两场 (p_h, λ_h) 格式并消去通量变量, 以保持仿射参数依赖; 需要恢复通量时再额外回代计算.

本文试图补齐的空白在于: HDG 的 hybrid 结构使得体积变量和 trace 变量耦合于网格骨架, 但如何对二者分别构造降阶空间、如何分析降阶问题的适定性, 以及静态凝聚与投影操作之间的非交换性对误差有何影响, 此前尚缺乏系统分析. 特别地, 先凝聚再投影与先投影再凝聚通常不交换, 由此产生的 trace 误差与体积误差之间的耦合需要定量刻画. 此外, 本文面向全波形反演等应用, 速度场本身是感兴趣量, 因此不能像两场格式那样简单消去通量变量, 而需要保留完整三场 (p_h, v_h, λ_h). 本文的参数化目前仅针对频率, 介质固定; 介质变化留作未来工作.

2. 主要定理或主要结果

本文的主要结果可分为适定性、解析性、降阶模型误差分析以及数值验证四部分.

第一, 作者证明了未凝聚 HDG 系统 (13) 的适定性. 在假设 s > 0, τ ≥ τ_min > 0 且 μ ≥ μ_min > 0 下, 定义算子 T(p, v, λ) = (p, v, -λ), 并证明 A 满足 T-coercivity: 存在 β > 0, 使得对任意 x ∈ V_h,

$$ Re A(x, Tx) ≥ β ||x||_{V_h}^2. $$

证明依赖能量恒等式

$$ Re A(x, Tx) = ∑_{K_e} ( s ρ ||v||_{K_e}^2 + s μ ||p||_{K_e}^2 + τ ||p - λ||_{∂K_e}^2 ) + ∑_{f_A} c_e ||λ||_f^2. $$

由此得到 β^{-1} 的显式上界, 包含 1/(sρ_min), 1/(sμ_min), 2/τ_min, 2 C_tr/(h_min s μ_min) 以及 1/c_min 等项. 进一步, 作者证明 inf-sup 条件

$$ inf_{x≠0} sup_{y≠0} |A(x,y)|/(||x||_{V_h}||y||_{V_h}) ≥ β, $$

以及反向 inf-sup 条件成立, 从而由 Banach-Nečas-Babuška 定理得到 HDG 系统适定性. 同时, 局部矩阵 A_e 在相同假设下强制且可逆, 因此静态凝聚 (10) 良定义. 作者还证明凝聚算子 -K 强制:

$$ Re(-K(λ, λ)) ≥ β ||λ||_{L^2(Σ)}^2, ∀ λ ∈ M_h, $$

该估计在后续误差分析中起关键作用. 作者指出, -K 的实际强制常数 β_k 通常大于 β, 因为 β 需要控制所有变量, 而 -K 只需控制 trace 变量.

第二, 作者建立了 HDG 解映射关于复频率的解析性. 对 σ ∈ D_σ = { iω - s : ω ∈ D_ω }, 解映射 σ ↦ X(σ) = (U(σ), Λ(σ)) 解析. 证明思路是: A(σ) 关于 σ 是一次矩阵多项式且可逆, 由 Cramer 法则 A(σ)^{-1} = adj(A(σ))/det(A(σ)), 故 A(σ)^{-1} 解析; 进而 K(σ) = L - B A(σ)^{-1} C 解析, 其逆也解析, 于是 Λ(σ) 和 U(σ) 解析. 该性质为在降阶基中加入频率导数提供了理论基础. 具体地, 将解和算子按 (σ - σ_ℓ) 展开, 得到多右端系统

$$ G^{(0)} X^{(0)} = R_S, G^{(0)} X^{(j)} = -G^{(1)} X^{(j-1)}, j ≥ 1, $$

其中 G 关于 σ 仿射, 所以二阶以上导数为零. 在实际计算中, 导数通过静态凝聚恢复:

$$ K Λ^{(j)} = ∑_e R_e^T B_e A_e^{-1} A_{1,e} U_e^{(j-1)}, U_e^{(j)} = A_e^{-1}(-A_{1,e} U_e^{(j-1)} - C_e R_e Λ^{(j)}). $$

所有导数复用同一分解, 每个导数只需一次额外回代.

第三, 作者构造并分析了降阶模型. 降阶空间分为体积变量空间 Z_U^n 和 trace 变量空间 Z_Λ^n, 且分别正交于 L^2(Ω) 和 L^2(Σ). 降阶解写成 u_r = Z_U b_U, λ_r = Z_Λ b_Λ. 基于未凝聚仿射系统 G(σ) = G_0 + σ G_1 进行 Galerkin 投影, 保持块结构. 作者证明高保真问题和降阶问题均适定, 并用 inf-sup 常数刻画稳定性. 由于静态凝聚与投影一般不交换, 作者推导了 trace 变量和体积变量的先验误差估计, 量化了两种操作之间的差距. 这些估计表明, trace 误差通常会受到体积约简空间近似误差的污染. 进一步, 作者识别出一个 volume reduced space 上的 lifting condition: 若将 trace-coupling 贡献的提升项纳入体积约简空间, 则可以消除该差距, 使 trace 误差估计不再依赖体积近似误差. 其结果是 trace 变量的降阶近似能够继承相应高保真 HDG 近似的逼近性质. 从提供内容中无法确认误差估计的具体定理编号、完整误差阶以及 lifting condition 的精确代数形式; 但摘要与引言明确给出上述结论.

第四, 数值实验在二维 Marmousi 模型和三维非均匀介质上进行, 后者未知量超过 10^7. 实验验证了理论估计, 并显示降阶模型相对于高保真求解器可获得数个数量级的加速. 基构造算法结合了基于残差的 weak-greedy 频率采样、频率导数富集以及 POD 压缩. 贪婪指示子为

$$ Δ(σ) = ||r(σ)||_{V'_h} / ||R_S||_{V'_h}, r(σ) = G(σ)(Z_U b_U, Z_Λ b_Λ)^T - R_S. $$

由于 G 仿射, 残差范数关于 σ 和 σ̄ 是二次多项式, 可通过预计算 Gram 矩阵并在 online 阶段以 O((n_U + n_Λ)^2) 代价评估. 作者强调, 上述结果为固定介质、仅以频率为参数的降阶框架; 介质变化和全波形反演集成留作未来方向.

3. 研究方法、关键技术和核心工具

本文的技术障碍首先来自 HDG 的 hybrid 结构与模型降阶投影之间的不匹配. HDG 高保真求解通常使用静态凝聚后的系统 KΛ = F, 其全局未知量仅为 trace 变量, 计算效率高. 然而凝聚算子 K = L - B A^{-1} C 含有参数相关的 A^{-1}, 因而关于频率 σ 非仿射. 而投影式降阶若要实现高效离线-在线分解, 通常需要算子关于参数仿射. 作者的核心选择是: 不直接对凝聚系统降阶, 而是保留未凝聚块系统 (A C; B L)(U; Λ) = (S; 0), 在该系统上做 Galerkin 投影, 并分别构造体积和 trace 的降阶空间. 这样既保持了 G(σ) = G_0 + σ G_1 的仿射结构, 又保留了完整三场 (p_h, v_h, λ_h), 从而速度场可直接作为感兴趣量. 与只保留两场 (p_h, λ_h) 的方法相比, 该策略的代价是离线阶段需要处理更多体积自由度, 但作者通过逐单元访问局部矩阵 A_e, B_e, C_e, L_e, S_e 并进行并行投影来补偿, 全局未凝聚系统从不需要真正组装.

第二个关键工具是 T-coercivity 与能量恒等式. 由于本文考虑阻尼 Laplace-Fourier 域, s > 0 使算子具有符号确定性, 作者选择算子 T(p, v, λ) = (p, v, -λ). 在双线性形式 A 中取 y = Tx 后, 交叉项因 Re(z̄ - z) = 0 而消失, 得到纯能量恒等式

$$ Re A(x, Tx) = ∑_{K_e} (s ρ ||v||^2 + s μ ||p||^2 + τ ||p - λ||_{∂K_e}^2) + ∑_{f_A} c_e ||λ||_f^2. $$

随后作者用离散迹不等式 ||q||_{∂K}^2 ≤ C_tr h_K^{-1} ||q||_K^2 控制边界迹项, 并分别估计体积项、内部面项和吸收边界项, 得到显式 β. 这一路线避免了无阻尼 Helmholtz 分析中常用的 Gårding 不等式加对偶论证, 因为 s > 0 使问题更接近强制问题. 该能量恒等式不仅证明全局适定性, 还用于证明局部 A_e 可逆以及 -K 的强制性与凝聚系统良定. 第三个技术点是解映射解析性与频率导数富集. 作者利用 Cramer 法则证明 σ ↦ X(σ) 解析, 从而可在贪婪选点得到的训练频率处加入解的 Fréchet 导数. 导数通过多右端系统 G^{(0)} X^{(j)} = -G^{(1)} X^{(j-1)} 计算, 并利用静态凝聚复用已有分解: 先求 trace 导数 Λ^{(j)}, 再逐单元回代 U_e^{(j)}. 每个导数仅增加一次回代, 因此相对于高保真求解成本很低. 这使降阶基同时具有全局自适应采样信息和局部导数信息, 有望在不增加高保真训练求解次数的前提下提高频率域逼近效率.

第四个技术点是残差指示子的高效装配-评估分裂. 贪婪算法需要在大量候选频率上评估后验残差, 若每次全局装配代价过高. 作者利用 G 关于 σ 仿射这一事实, 将残差范数写成关于 σ 和 σ̄ 的二次多项式, 并预计算投影算子的 Gram 矩阵, 如

$$ H_{00} = (A_0 Z_U)^* M_U^{-1} (A_0 Z_U), H_{01} = (A_0 Z_U)^* M_U^{-1} (A_1 Z_U), H_{11} = (A_1 Z_U)^* M_U^{-1} (A_1 Z_U). $$

每次基更新后装配一次这些 Gram 矩阵, online 评估每个候选频率仅花费 O((n_U + n_Λ)^2), 与高保真自由度 N 无关. 这使 weak-greedy 循环在数百个频率点上可行.

第五个技术核心是投影与凝聚的非交换性分析. 作者比较了两种操作: 先对未凝聚系统投影再凝聚, 与先凝聚再投影. 由于 K 含 A^{-1}, 二者一般不交换, 因此降阶 trace 误差会与体积近似误差耦合. 作者通过先验误差估计显式刻画这种传播. 更进一步, 作者提出 volume reduced space 上的 lifting condition: 在体积约简空间中显式加入 trace-coupling 贡献的提升项. 若该条件满足, 则投影与凝聚在 trace 误差层面解耦, 使 trace 的降阶误差估计不含体积近似误差项, 从而继承高保真 HDG 的 trace 逼近性质. 这一提升策略不是简单的后处理, 而是构造降阶基时的空间设计准则. 作者还强调, 独立构造体积和 trace 降阶空间对适定性和误差分析至关重要: 它提供试验/测试函数的额外灵活性, 并允许在推导能量恒等式时利用 HDG 的块结构. 最后, 数值实现方面, 作者在二维和三维异质介质中验证方法, 三维问题超过 10^7 未知量, 显示该框架在 HPC 环境下具有实际可扩展性, 并取得数个数量级加速.

4. 与之前工作的比较

与最接近的 HDG 降阶工作 [63, 64] 相比, 本文的首要推进在于保留完整三场 HDG 格式 (p_h, v_h, λ_h), 而不是只保留两场 (p_h, λ_h) 并在需要时回代恢复通量. [63, 64] 通过只消去通量变量来保持仿射参数依赖, 并减少离线阶段的变量维度; 其效果在 Helmholtz 问题某个感兴趣量的随机评估中得到展示. 本文则因为目标应用是全波形反演, 速度场本身是感兴趣量, 所以显式保留通量变量. 代价是离线阶段体积未知量更多, 计算和存储成本更高, 但作者通过逐单元投影和并行计算补偿. 更重要的是, 本文为体积变量和 trace 变量构造相互独立的降阶空间, 这一区分是其适定性和误差分析的核心; 在 [63, 64] 的两场框架中不存在这种分离. 此外, 本文给出了投影与静态凝聚非交换性的先验误差量化, 并提出 lifting condition 使 trace 误差与体积近似误差解耦, 这是 [63, 64] 未展开的分析层面.

与无阻尼 Helmholtz 或对流 Helmholtz 的 HDG 适定性分析相比, 本文的假设和证明路线不同. 已有工作 [20] 对无阻尼 Helmholtz 问题、[6] 对无对流阻尼的 convected Helmholtz 问题证明 HDG 适定性, 通常依赖 Gårding 不等式加对偶论证. 本文处于阻尼 Laplace-Fourier 设定 s > 0, 算子具有符号确定性, 因此采用 T-coercivity 和能量恒等式直接得到 inf-sup 稳定性, 证明更简单且不需要额外先验误差估计. 这既是本文分析的优势, 也意味着其适定性结论不能直接推广到 s = 0 的无阻尼情形; 从提供内容中无法确认作者是否讨论了 s → 0 的极限或统一分析.

在广义模型降阶文献中, POD 和 weak-greedy 是成熟工具. 本文的组合方式是: weak-greedy 基于残差指示子自适应选择频率, 在每个选点加入解及其频率导数, 再用加权 POD 压缩. 导数富集与 AWE, WCAWE, MWCAWE 以及 rational Krylov 等矩匹配方法在思想上有相通之处: 它们都利用解映射关于参数的导数或矩来增强局部逼近. 但那些方法通常直接构造代数降阶模型并依赖线性系统的矩匹配, 而本文是在 HDG 未凝聚系统上做投影, 导数的计算通过多右端系统和静态凝聚实现, 并复用高保真分解. 因此, 本文的贡献不是提出全新的导数富集概念, 而是将其与 HDG 混合结构、残差贪婪采样和 POD 压缩结合, 并给出相应适定性与误差分析. 作者也明确指出, 方法各个组成部分在降阶基文献中已建立, 新颖性在于组合方式及分析.

与局部模型降阶或域分解型降阶相比, 例如 reduced basis element method, static condensation reduced basis element method, 以及界面经验降阶或传递算子主导特征函数构造, 本文不采用子域局部降阶和界面耦合, 而是在全局频率参数上构造线性降阶空间. 其参数目前仅为频率, 介质固定. 这使方法更适合频率扫描, 但尚未处理介质变化. 作者在引言中说明, 介质变化和全波形反演集成留作未来工作. 从提供内容中无法确认本文是否与局部降阶方法进行了数值比较. 此外, 对于高度振荡解, 谐波问题的 Kolmogorov n-width 虽被证明可指数衰减, 但在达到渐近指数区之前降维维数可能较大; 作者提到可用截断策略或局部/非线性方法控制维数, 但因频率域解映射的良好逼近性质, 本文仍限制在线性降阶空间. 这也构成适用范围上的一个限制: 对极宽带、强多尺度或高对比度介质, 线性全局基的维数可能增长.

从时间尺度与适用范围看, 已有地震波传播降阶工作多关注频率域或法向模态 formulation, 或把降阶模型作为反演代理. 本文的数值规模推进到三维超过 10^7 未知量, 并报告相对高保真求解器数个数量级加速, 这比常见二维演示更接近实际三维地震应用. 但本文的在线加速依赖于固定介质下频率参数的仿射结构; 若引入介质参数, 局部矩阵 A_e 等会依赖介质, 仿射结构可能更复杂, 离线-在线分解需要重新设计. 作者未在提供内容中给出与其他 ROM 方法在同一基准上的数值比较, 因此无法判断其相对 POD-only, 两场 HDG-ROM 或 rational Krylov 的具体精度-效率优势. 总结而言, 本文相较既有 HDG 降阶工作推进了完整三场保留、独立体积/trace 降阶空间、适定性分析和投影-凝聚非交换误差理论; 主要代价是离线阶段维度与成本增加, 主要局限是参数范围限于频率且介质固定.

2. 大波数电磁散射问题的球面完美匹配层方法

Spherical Perfectly Matched Layer Method for Electromagnetic Scattering Problems with Large Wave Number

作者: Jian Shi, Yonglin Li, Haijun Wu

类别: math.NA

发布日期: 2026-10-14

arXiv ID: 2610.19982v1

摘要翻译: 我们研究大波数时谐 Maxwell 散射问题的球面完美匹配层 (PML) 方法。利用向量球谐函数以及对耦合横磁分量进行的模态变换，我们建立了截断 PML 问题的尖锐且波数显式的稳定性估计，并证明其 inf-sup 常数为 $O(κ^{-1})$ 阶。随后，我们分析一阶 Nédélec 棱单元方法及其连续内罚对应方法。在 $κ^3h^2$ 充分小的条件下，能量范数中的预渐近误差与 $κ$-缩放的 $\mathbf{L}^2$ 范数中的预渐近误差分别为 $O(κh+κ^3h^2)$ 和 $O(κ^2h^2+κ^3h^2)$ 阶。数值实验验证了理论结果。

Comment: 无

链接: http://arxiv.org/abs/2610.19982v1

1. 研究对象和背景

本文研究三维时谐 Maxwell 散射问题在大波数 $\kappa$ 情形下的球面完美匹配层 (PML) 截断及其有限元离散. 设源项 $f \in L^2(\mathbb{R}^3)$ 支集含于球 $\Omega := B_R$，未知电场 $E$ 满足

$$\operatorname{curl}\operatorname{curl} E - \kappa^2 E = f \quad \text{in } \mathbb{R}^3,$$

并满足 Silver-Müller 辐射条件

$$\lim_{r\to\infty}\int_{\partial B_r} |\operatorname{curl} E \times \hat{x} - i\kappa E|^2\, ds = 0,$$

其中 $r=|x|$，$\hat{x}=x/r$，波数 $\kappa\ge 1$. 该问题描述高频电磁波在无界介质中的散射，其数值难点在于无界区域与高波数导致的污染误差. 直接截断外区域会引入人工边界反射，因此采用球面 PML：在物理区域外加入吸收层 $\hat{\Omega} = \{x\in\mathbb{R}^3: R<|x|<\hat{R}\}$，令 $L=\hat{R}-R$，通过径向复坐标拉伸

$$\tilde{r} = \int_0^r \alpha(s)\,ds = r\beta(r), \quad \alpha(r)=1+i\sigma(r), \quad \beta(r)=1+i\delta(r),$$

其中吸收函数取 $\sigma(r)=0$ 当 $0\le r\le R$，$\sigma(r)=\sigma_0$ 当 $r>R$，$\delta(r)=0$ 当 $0\le r\le R$，$\delta(r)=\sigma_0(r-R)/r$ 当 $r>R$. 由此得到截断问题

$$\operatorname{curl}(A\operatorname{curl}\hat{E})-\kappa^2 A^{-1}\hat{E}=f \quad \text{in } D:=B_{\hat{R}}, \qquad \hat{E}\times \hat{x}=0 \quad \text{on } \hat{\Gamma}:=\partial D,$$

变分形式为找 $\hat{E}\in H_0(\operatorname{curl},D)$ 使

$$a(\hat{E},v)=(f,v),\quad \forall v\in H_0(\operatorname{curl},D),$$

其中 $a(u,v)=(A\operatorname{curl} u,\operatorname{curl} v)-\kappa^2(A^{-1}u,v)$，能量范数

$$|||v|||^2 = \Re\{a(v,v)+2\kappa^2(A^{-1}v,v)\} \simeq \|\operatorname{curl} v\|_{L^2(D)}^2+\kappa^2\|v\|_{L^2(D)}^2.$$

本文的关键未知量是截断 PML 解 $\hat{E}$ 的波数显式稳定性与 inf-sup 常数，以及边元离散解 $E_h$ 的预渐近误差. 已有 PML 理论表明截断误差随吸收或层厚指数衰减，但波数显式稳定性分析主要针对标量 Helmholtz 方程：Chen-Xiang 对二维 UPML 给出 $O(\kappa^{-3/2})$ 的 inf-sup 下界，Li-Wu 对圆/球 PML 改进到最优 $O(\kappa^{-1})$，Wang-Zheng 对二维障碍问题分段线性 UPML 得到最优 $O(\kappa^{-1})$ 稳定性和离散正则性. 对 Maxwell PML，Bao-Wu 首次证明三维球面 PML 适定性与指数收敛，Bramble-Pasciak 建立变分框架、稳定性及 Nédélec 离散拟最优收敛，但尚缺波数显式 inf-sup 估计. 本文填补该空白，并进一步分析一阶第二类 Nédélec 边元 EEM 与其连续内罚 CIP-EEM 的预渐近误差. 技术困难有两个：$\operatorname{curl}$ 算子的无限维核，以及每个 TM 模中径向与切向系数的耦合. 作者通过加权 Helmholtz 分解处理第一个困难，通过矢量球谐展开和 TM 耦合系数的正交模态变换处理第二个困难，将耦合系统化为 $l-1$ 与 $l+1$ 阶标量径向 PML 方程，再借助标量 Helmholtz PML 分析与 Bessel/Hankel 一致渐近估计完成证明.

2. 主要定理或主要结果

主要结果包括连续问题稳定性、截断 PML 稳定性与 inf-sup、正则性、模态约化以及有限元预渐近误差. 首先，对原始无界 Maxwell 散射问题，Theorem 2.1 证明：若 $f\in L^2(\Omega)$ 且 $\operatorname{supp} f\subset\Omega$，则 (1.1) 有唯一解 $E\in H_{\mathrm{loc}}(\operatorname{curl},\mathbb{R}^3)$，且

$$\kappa\|E\|_{L^2(\Omega)}+\|\operatorname{curl} E\|_{L^2(\Omega)}\lesssim \|f\|_{L^2(\Omega)}.$$

若额外 $\operatorname{div} f=0$，Corollary 2.2 表明 Helmholtz 体积势 $u$ 本身即为解，且

$$\kappa\|u\|_{L^2(\Omega)}+\|u\|_{H^1(\Omega)}+\kappa^{-1}\|u\|_{H^2(\Omega)}\lesssim \|f\|_{L^2(\Omega)}.$$

对截断 PML 问题，在 Assumption 3.1 下，即 $R\simeq \hat{R}\simeq 1$，$\kappa R>1$，$\kappa\sigma_0 L\ge \max\{2\kappa R+\sqrt{3}\kappa L,10\}$，Theorem 3.3 给出对任意 $f\in L^2(D)$ 的解 $\hat{E}\in H_0(\operatorname{curl},D)$ 满足

$$\kappa\|\hat{E}\|_{L^2(D)}+\|\operatorname{curl}\hat{E}\|_{L^2(D)}\lesssim \|f\|_{L^2(D)}.$$

Theorem 3.4 进一步给出尖锐 inf-sup 估计

$$\inf_{0\ne u\in H_0(\operatorname{curl},D)}\sup_{0\ne v\in H_0(\operatorname{curl},D)}\frac{|a(u,v)|}{|||u|||\,|||v|||}\eqsim \kappa^{-1}.$$

这里 inf-sup 常数的阶 $O(\kappa^{-1})$ 是波数显式且最优的. Lemma 3.5 给出后续有限元分析所需的分片正则性：若 $f\in H(\operatorname{div},D)\cap H^m(\operatorname{div},\Omega\cup\hat{\Omega})$，则解 $\omega\in H^{m+1}(\operatorname{curl},\Omega\cup\hat{\Omega})$ 且

$$\kappa\|\omega\|_{H^{m+1}(\Omega\cup\hat{\Omega})}+\|\operatorname{curl}\omega\|_{H^{m+1}(\Omega\cup\hat{\Omega})}\lesssim \kappa^{m+1}C_{m+1,f};$$

若 $\operatorname{div} f=0$，则 $\omega\in H^{m+2}(\Omega\cup\hat{\Omega})$ 且

$$\|\omega\|_{H^{m+2}(\Omega\cup\hat{\Omega})}\lesssim \kappa^{m+1}C_{m+1,f},$$

其中 $C_{m+1,f}=\|f\|_{L^2(D)}+\sum_{j=0}^m \kappa^{-j-1}\|f\|_{H^j(\Omega\cup\hat{\Omega})}+\kappa^{-m-2}|\operatorname{div} f|_{H^m(\Omega\cup\hat{\Omega})}$. 在模态层面，Lemma 3.7 将拉伸电场按矢量球谐展开并导出 TM 与 TE 分量满足的径向方程：

$$\tilde{L}_l[\tilde{r}\hat{E}^{(1)}_{lm}]=\tilde{r}\hat{f}^{(1)}_{lm},\quad \tilde{L}_l[\tilde{r}\hat{E}^{(2)}_{lm}]=\tilde{r}\hat{f}^{(2)}_{lm}+\frac{2}{\sqrt{l(l+1)}}(\alpha\beta^2\kappa^2\tilde{r}\hat{E}^{(1)}_{lm}+\tilde{r}\hat{f}^{(1)}_{lm}),\quad \tilde{L}_l[\hat{E}^{(3)}_{lm}]=\hat{f}^{(3)}_{lm},$$

其中 $\tilde{L}_l[v]=-\frac{1}{r^2}\frac{d}{dr}(\frac{\beta^2}{\alpha}r^2\frac{dv}{dr})-(\alpha\beta^2\kappa^2-\frac{\alpha l(l+1)}{r^2})v$，并配有边界条件 (3.15a-c). 对有限元离散，作者分析一阶第二类 Nédélec 边元 EEM 及其 CIP-EEM. 在 $\kappa^3h^2$ 足够小的条件下，对足够正则的数据，预渐近能量范数误差和 $\kappa$ 缩放 $L^2$ 误差分别为

$$|||\hat{E}-E_h|||_\gamma=O(\kappa h+\kappa^3h^2),\qquad \kappa\|\hat{E}-E_h\|_{L^2(D)}=O(\kappa^2h^2+\kappa^3h^2).$$

$O(\cdot)$ 中隐藏因子为数据相应的分片 Sobolev 范数；若数据无散，则可替换为 $\|f\|_{L^2(D)}$. 标准 EEM 通过令所有罚参数为零得到. 数值实验确认理论结果.

3. 研究方法、关键技术和核心工具

核心障碍有二. 第一，Maxwell 算子的 $\operatorname{curl}$ 核是无限维的，不能像标量 Helmholtz 方程那样直接对解做单一标量估计；第二，在球坐标和矢量球谐展开下，每个 TM 模的径向与切向系数强烈耦合，耦合项含 $\kappa^2$ 和 $\sqrt{l(l+1)}$，直接对两个耦合标量方程做能量估计会失去波数显式性. 作者的真正创新在于用加权 Helmholtz 分解消除第一个障碍，并用一个受 Hill 构造启发的正交模态变换解耦第二个障碍. 对第一个障碍，作者将截断 PML 方程写成

$$\operatorname{curl}(A\operatorname{curl}\hat{E})-\kappa^2 A^{-1}\hat{E}=f,$$

并利用 $\operatorname{div} f=0$ 推出 $\operatorname{div}(A^{-1}\hat{E})=0$ 或等价地加权 $\operatorname{div}$ 条件，从而在加权 Helmholtz 分解中控制 $\operatorname{curl}$ 核分量. 对第二个障碍，作者采用矢量球谐函数

$$Y_{lm}=Y_l^m\hat{x},\quad U_{lm}=\frac{1}{\sqrt{l(l+1)}}\nabla_{S^2}Y_l^m,\quad V_{lm}=U_{lm}\times\hat{x},$$

将拉伸电场展开为

$$\hat{E}=\sum_{l,m}(\alpha\hat{E}^{(1)}_{lm}Y_{lm}+\beta\hat{E}^{(2)}_{lm}U_{lm}+\beta\hat{E}^{(3)}_{lm}V_{lm}).$$

由此得到的 TM 系统 (3.11a)-(3.11b) 中 $\hat{E}^{(1)}_{lm}$ 与 $\hat{E}^{(2)}_{lm}$ 耦合，而 TE 分量 $\hat{E}^{(3)}_{lm}$ 已解耦. 作者引入正交变换，把两个耦合 TM 径向系数组合成新的未知量，使其分别满足阶为 $l-1$ 与 $l+1$ 的标量径向 PML 方程，而未耦合的 TE 系数满足阶为 $l$ 的标量方程. 这一步是证明的关键，因为变换后可以逐阶调用 Li-Wu 对球面 Helmholtz PML 的波数显式稳定性分析，并利用 Bao-Wu 中 Bessel 与 Hankel 函数的一致渐近估计处理低阶、高阶模态及大 $l$ 区域. 具体而言，对阶 $\nu$ 的标量径向 PML 方程，需要估计 $\kappa\|v\|_{L^2}+\|v'\|_{L^2}$ 之类的量，并统一控制由 $\sqrt{l(l+1)}$ 产生的因子；作者通过精细的模态求和与正交性，将这些估计汇总为 Theorem 3.3 和 Theorem 3.4. 对原始无界问题，Theorem 2.1 的证明采用 Helmholtz 体积势 $u(x)=\int_\Omega g_\kappa(|x-y|)f(y)dy$，其中 $g_\kappa(r)=e^{i\kappa r}/(4\pi r)$，并令 $E=u+\kappa^{-2}\nabla\operatorname{div} u$，从而将 Maxwell 解用标量 Helmholtz 解表示；分量估计使用 [32, Lemma 3.5]，辐射条件和唯一性分别由 Silver-Müller 条件、Rellich 引理和唯一延拓原理得到. 对无散源，Corollary 2.2 进一步证明 $\operatorname{div} u=0$，因此 $u$ 本身即 Maxwell 解，并给出 $H^2$ 估计. 正则性方面，Lemma 3.5 不直接做模态估计，而是利用 [34] 中关于分片光滑系数 $A$ 与 $A^{-1}$ 的椭圆正则性定理 2.10 和移位估计 2.7，从 Theorem 3.3 推出分片 $H^{m+1}(\operatorname{curl})$ 与 $H^{m+2}$ 估计. 对有限元分析，作者采用一阶第二类 Nédélec 边元空间 $V_h\subset H_0(\operatorname{curl},D)$，标准 EEM 为

$$a(\hat{E}_h,v_h)=(f,v_h)\quad \forall v_h\in V_h;$$

CIP-EEM 在标准 Galerkin 形式上加内面罚项，罚的是离散 $\operatorname{curl}$ 的切向迹跳跃. 由于 CIP 形式含网格依赖的内面项，[18,9] 的抽象 Galerkin 框架不能直接覆盖，因此作者需要同时建立离散稳定性和一致性误差分解. 关键条件是 $\kappa^3h^2$ 足够小，它保证污染项被控制并得到预渐近估计. 对 $\kappa$ 缩放 $L^2$ 误差，作者使用对偶论证；为了在 PML 截断区域中应用对偶问题，他们允许源 $f\in H(\operatorname{div}^0,D)$ 可以延伸到 PML 层，并利用 Lemma 3.5 的分片正则性. 误差估计中的 $\kappa h$ 项来自最佳逼近，$\kappa^3h^2$ 项来自污染误差；若取标准 EEM，则 CIP 罚参数为零. 文中还指出，$O(\cdot)$ 中隐藏常数依赖数据分片 Sobolev 范数，对无散数据可用 $\|f\|_{L^2(D)}$ 控制.

4. 与之前工作的比较

本文与既有工作的差别可从四个层面理解. 第一，在标量 Helmholtz PML 的波数显式稳定性方面，Chen-Xiang [12] 对二维 UPML 建立 $O(\kappa^{-3/2})$ 的 inf-sup 下界，Li-Wu [27] 用 Fourier 级数和球谐展开分别对圆/球 PML 改进到最优 $O(\kappa^{-1})$，Wang-Zheng [39] 对二维障碍问题的分段线性 UPML 也得到 $O(\kappa^{-1})$ 稳定性及离散正则性. 本文将最优 $O(\kappa^{-1})$ 稳定性和 inf-sup 估计推广到三维 Maxwell 球面 PML 截断问题. 与标量情形相比，Maxwell 情形多出两个本质困难：$\operatorname{curl}$ 的无限维核和 TM 模两个径向系数的耦合. 因此本文不是简单重复标量证明，而是引入加权 Helmholtz 分解和受 Hill 启发的正交模态变换，将耦合 TM 系统化为 $l-1$ 与 $l+1$ 阶标量方程. 代价是吸收剖面仍取分段常数，且 Assumption 3.1 与 Li-Wu [27] 的 Helmholtz 分析一致；作者明确指出一般连续吸收剖面的尖锐波数显式稳定性仍是细致问题. 第二，与 Bao-Wu [2] 和 Bramble-Pasciak [4,5,6] 的 Maxwell PML 工作相比，这些工作首次证明三维球面 PML 的适定性、指数收敛和 Nédélec 离散拟最优收敛，但未给出 inf-sup 常数关于 $\kappa$ 的尖锐下界. 本文补上了这一波数显式稳定性，并直接服务于有限元误差分析. 第三，与高频 Maxwell 有限元误差估计相比，Chaumont-Frelet-Galkowski-Spence [9] 对高阶两类 Nédélec h-FEM 证明相对误差

$$\frac{\|E-E_h\|_{H_\kappa(\operatorname{curl},\Omega)}}{\|E\|_{H_\kappa(\operatorname{curl},\Omega)}}\le C(1+(\kappa h)^pC_{\mathrm{sol}})(\kappa h)^p,$$

其中 $C_{\mathrm{sol}}$ 是 Maxwell 解算子的 $L^2$ 范数，并区分最佳逼近项与污染项. 该估计是抽象的，包含标准 EEM 对 PML 截断 Maxwell 问题，但以 $C_{\mathrm{sol}}$ 表述，未显式指定其对 $\kappa$ 的依赖. 本文通过 Theorem 3.3 和 Theorem 3.4 给出 $C_{\mathrm{sol}}\lesssim \kappa$ 的显式控制，从而把条件具体化为 $\kappa^3h^2$ 足够小，并得到一阶第二类 EEM 与 CIP-EEM 的预渐近误差 $O(\kappa h+\kappa^3h^2)$ 和 $\kappa$ 缩放 $L^2$ 误差 $O(\kappa^2h^2+\kappa^3h^2)$. Lu-Wu [31] 对曲线区域高阶第二类 EEM 建立能量范数和 $\kappa$ 缩放 $L^2$ 估计，Chaumont-Frelet 等 [9] 给出高阶两类 EEM 能量范数估计；本文聚焦一阶第二类 EEM 和 CIP-EEM，并覆盖 PML 截断. 第四，与 CIP 方法文献相比，Douglas-Dupont [16] 提出 CIP，Zhou-Wu [41] 用色散分析证明合适罚参数可将主导相位误差从 $O((\kappa h)^{2p})$ 降到 $O((\kappa h)^{2p+2})$；Du-Wu [17] 对 Helmholtz 建立线性和高阶预渐近估计，Li-Wu [27,28] 纳入径向 PML 截断；Lu-Wu-Xu [29] 对 Maxwell 证明绝对稳定和一阶预渐近估计，Lu-Wu [30] 获得一阶第二类 EEM 和 CIP-EEM 的统一 $O(\kappa h+\kappa^3h^2)$ 估计. 本文也得到相同的能量范数阶，但更强调在球面 PML 截断下从第一原理建立波数显式稳定性和 inf-sup，并给出 $\kappa$ 缩放 $L^2$ 估计. 由于 CIP-EEM 含网格依赖内面罚项，它不被 [18,9] 的标准 Galerkin 框架直接覆盖，这也是本文独立分析 CIP-EEM 的必要性. 作者在文中未逐项详细比较所有前人估计的常数和网格条件；从提供内容看，本文的主要推进是 Maxwell PML 的尖锐 $O(\kappa^{-1})$ inf-sup 以及由此得到的可验证预渐近有限元误差界. 局限方面，分析依赖 Assumption 3.1 的分段常数吸收剖面、$R\simeq\hat{R}\simeq 1$ 和 $\kappa R>1$；一般连续吸收剖面的尖锐分析未解决. 数值实验只确认理论结果，具体实验参数和更细比较从提供的 PDF 摘录中无法确认.

3. 三维无界区域 Helmholtz 方程的纯源转移区域分解方法

A pure source transfer domain decomposition method for Helmholtz equations in 3D unbounded domain

作者: Xinran Bai, Yu Du, Haijun Wu

类别: math.NA

发布日期: 2026-10-14

arXiv ID: 2610.19435v1

摘要翻译: 我们开发并分析了一种用于自由空间中 Helmholtz 方程的三维纯源转移区域分解方法（PSTDDM）。该方法推广了 [Du and Wu, J. Sci. Comput., 83(2020),83:68] 提出的二维 PSTDDM，所提方法沿 $x_1$、$x_2$ 和 $x_3$ 方向依次转移源，得到层状、条状和块状 PSTDDM。收敛性分析中的主要挑战在于推导显含波数的截断误差估计。为应对这一挑战，我们在放宽 PML 参数限制的条件下，为单轴完美匹配层（UPML）问题建立 inf–sup 条件，并重新表述源转移算子。随后，我们引入一个正定重构步骤，从而产生全局协调近似。此外，我们为复 PML 距离的虚部建立了一个新的定量下界，这更容易在三维中得到指数衰减估计。这些结果导出了所有三种 PSTDDM 的显含波数收敛性估计。数值实验证明了所提方法作为直接求解器以及 GMRES 预条件子的有效性。

Comment: 46pages

链接: http://arxiv.org/abs/2610.19435v1

1. 研究对象和背景

本文研究三维全空间中的 Helmholtz 方程及其 Sommerfeld 辐射条件：

$$ \Delta u + k^2 u = f \quad \text{in } \mathbb{R}^3, $$$$ r\left(\frac{\partial u}{\partial r} - i k u\right) \to 0 \quad \text{as } r=|x| \to \infty, $$

其中 $k>0$ 为波数，$f \in L^2(\mathbb{R}^3)$ 具有紧支撑。该问题是频域声学、弹性波和电磁散射等问题的核心模型。大波数时 Helmholtz 算子高度不定，离散问题还受到污染误差影响，自由度规模巨大，因此快速且具有波数显式误差控制的数值方法十分重要。

为截断无界区域，作者采用单轴完美匹配层（uniaxial perfectly matched layer, UPML）。UPML 通过复坐标拉伸实现。令

$$ \alpha_j(x_j)=1+(\zeta+i)\sigma_j(x_j), \quad j=1,2,3, $$

其中 $0 \le \zeta \lesssim 1$，$\sigma_j$ 在物理区域内部为零、在 PML 层内为正，并满足分段光滑性。定义拉伸坐标

$$ \tilde{x}_j(x_j)=\int_0^{x_j}\alpha_j(t)\,dt =x_j+(\zeta+i)\int_0^{x_j}\sigma_j(t)\,dt. $$

于是 PML 方程为

$$ J^{-1}\nabla\cdot(A\nabla\tilde{u})+k^2\tilde{u}=f \quad \text{in } \mathbb{R}^3, $$

其中 $J=\alpha_1\alpha_2\alpha_3$，且

$$ A=\operatorname{diag}\left( \frac{\alpha_2\alpha_3}{\alpha_1}, \frac{\alpha_1\alpha_3}{\alpha_2}, \frac{\alpha_1\alpha_2}{\alpha_3} \right). $$

相应的截断 PML 问题为：在 $B_L=(-L_1,L_1)\times(-L_2,L_2)\times(-L_3,L_3)$ 中求 $\hat{u}$，使得

$$ J^{-1}\nabla\cdot(A\nabla\hat{u})+k^2\hat{u}=f \quad \text{in } B_L, \qquad \hat{u}=0 \quad \text{on } \partial B_L. $$

在算法层面，源转移区域分解方法（STDDM）由 Chen 和 Xiang 提出并分析，之后 Du 和 Wu 针对二维 Helmholtz 问题提出了纯源转移区域分解方法（PSTDDM）。与原始 STDDM 相比，二维 PSTDDM 使用两个方向相反、彼此独立的源转移扫描；在每一步中，局部双层层状 PML 问题还可继续沿横向递归分解，从而显著减小局部子问题规模。

本文试图填补的空白是：将二维 PSTDDM 推广到三维全空间 Helmholtz 问题，并给出波数显式的收敛分析。三维推广并不是在二维构造上简单增加一个坐标。首先，沿 $x_1$、$x_2$ 和 $x_3$ 方向依次进行源转移会自然产生层状、条状和块状三种 PSTDDM，其中嵌套的源转移和波的传播会产生大量误差项。其次，截断 PML 算法在层间界面处的输出一般不再属于 $H^1(B_L)$，因此需要额外重构才能得到全局协调近似。再次，为得到波数显式截断误差估计，需要建立 UPML 问题在更宽松 PML 参数限制下的 inf–sup 条件，并重新表述源转移算子。本文正是在这些方面展开：作者引入正定重构步骤，建立复 PML 距离虚部的新的定量下界，并据此对三种 PSTDDM 给出波数显式的收敛估计。

2. 主要定理或主要结果

作者的主要结果可以分为源转移恒等式、非截断 PML 的精确性、截断算法的重构与稳定性估计，以及三维三种 PSTDDM 的收敛估计。

首先，对于非截断 PML 问题，作者定义了沿 $x_1$ 方向的层状源转移算子 $\Psi_i^\pm$。若 $\bar f_i^+$ 表示正向扫描中的累积源，则 $\Psi_{i+1}^+(\bar f_i^+)$ 由如下恒等式刻画：

$$ \int_{\Omega_i}\bar f_i^+(y)\tilde{G}(x,y),dy

\int_{\Omega_{i+1}}\Psi_{i+1}^+(\bar f_i^+)(y)\tilde{G}(x,y),dy, \qquad x\in \Omega(\xi_{i+2},+\infty), $$

反向扫描有类似恒等式

$$ \int_{\Omega_{i+2}}\bar f_{i+2}^-(y)\tilde{G}(x,y),dy

\int_{\Omega_{i+1}}\Psi_{i+1}^-(\bar f_{i+2}^-)(y)\tilde{G}(x,y),dy, \qquad x\in \Omega(-\infty,\xi_{i+1}). $$

这里 $\tilde{G}(x,y)=J(y)G(\tilde{x},\tilde{y})$，$G(\tilde{x},\tilde{y})=e^{ik\rho(\tilde{x},\tilde{y})}/(4\pi\rho(\tilde{x},\tilde{y}))$。基于这些恒等式，作者证明局部子问题解具有积分表示，例如

$$ u_i^+(x)=\int_{\Omega(-\infty,\xi_{i+2})}f(y)G(\tilde{x},\tilde{y})\,dy, \qquad x\in \Omega_{i+1}, $$

以及

$$ u_i^-(x)=\int_{\Omega(\xi_{i+1},+\infty)}f(y)G(\tilde{x},\tilde{y})\,dy, \qquad x\in \Omega_i. $$

由此得到层状 PSTDDM 对非截断 PML 问题的精确性：算法输出 $\tilde{u}_p=-(u_{i-1}^++u_i^-)$ 在每一层 $\Omega_i$ 中重构原解，并且

$$ \tilde{u}=\tilde{u}_p \quad \text{in } \mathbb{R}^3. $$

这是文中 Theorem 2.9 的内容。

其次，对于截断 PML 问题，作者给出 Algorithm 2.2。该算法在有限矩形 $B_L$ 中求解局部 PML 子问题。由于截断算法的直接输出 $\hat{v}$ 一般在界面 $x_1=\xi_i$ 处不连续，作者引入一个正定重构步骤：求解一个正定问题，得到提升 $\hat{u}_p\in H_0^1(B_L)$。文中称其为层状 PSTDDM 近似。该重构步骤保证输出属于全局协调空间 $H_0^1(B_L)$，并且对应的线性系统正定，可用高效迭代方法求解。

第三，作者给出若干关键稳定性与衰减估计。在假设

$$ \|\tilde{u}\|_{L^2(\mathbb{R}^3)}\lesssim C_{\mathrm{sta}}\|f\|_{L^2(\mathbb{R}^3)} $$

成立时，文中 Lemma 2.6 证明 $C_{\mathrm{sta}}\lesssim 1$。作者同时指出，基于球坐标 PML 的已有估计，期望有 $C_{\mathrm{sta}}\simeq k^{-1}$，但本文只严格证明了 $C_{\mathrm{sta}}\lesssim 1$；这一更精细的波数下界在提供内容中未展开。

对于源转移过程中产生的解 $u_i^\pm$，Lemma 2.7 给出

$$ u_i^\pm\in H^1(\mathbb{R}^3), \qquad \|u_i^\pm\|_{\mathbb{R}^3}\lesssim k(kC_{\mathrm{sta}})^i\ 9f9'_{B_l}, $$

并证明远场指数衰减：存在与 $k$ 无关的常数和几何量，使得对足够远的 $|x|$ 有

$$ k|u_i^\pm(x)|+|\nabla u_i^\pm(x)| \lesssim k^2(kC_{\mathrm{sta}})^{i-1}e^{-\frac18 k\sigma_0|x|}\ 9f9'_{B_l}. $$

这说明嵌套源转移带来的增长可由 $C_{\mathrm{sta}}$ 控制，而远离源区的贡献按 $e^{-k\sigma_0|x|/8}$ 指数衰减。

第四，作者建立了一个便于三维使用的复 PML 距离虚部下界。设

$$ b_j=\left|[\min\{x_j,y_j\},\max\{x_j,y_j\}]\setminus[-\bar l_j,\bar l_j]\right| $$

表示区间落在 PML 中且 $\sigma_j=\sigma_0$ 的部分长度。若 $(b_1^2+b_2^2+b_3^2)^{1/2}\ge b_0>0$，且 $|x_j-y_j|\le a_j+b_j$，$a_j\ge 0$，则

$$ \operatorname{Im}\rho(\tilde{x},\tilde{y})

\frac{\sigma_0 b_0^2}{\left(\sum_{j=1}^3(a_j+b_0)^2\right)^{1/2}}. $$

该估计来自对已有虚部下界的重新组织，作者强调它比此前类似结果更易于在三维截断误差分析中使用。

最后，摘要和引言声明：通过上述 inf–sup 条件、源转移算子重表述、正定重构和新复距离下界，作者对层状、条状和块状三种 PSTDDM 均得到波数显式的收敛估计，并且这些估计不依赖于自由度数目。截断误差随 PML 厚度或吸收参数 $\sigma_0$ 指数衰减。然而，在提供的 PDF 摘录中只展开了前两节及部分稳定性估计，三种 PSTDDM 收敛定理的完整误差阶、常数依赖和定理编号未给出，无法从现有内容确认其精确形式。数值实验部分声称方法可作为直接求解器和 GMRES 预条件子，但具体迭代数、精度与波数依赖也未在摘录中展开。

3. 研究方法、关键技术和核心工具

本文的核心技术障碍在于：三维 PSTDDM 的源转移是嵌套进行的，沿 $x_1$ 方向完成层状转移后，局部双层层状 PML 问题还要沿 $x_2$ 方向分解为条状问题，再沿 $x_3$ 方向分解为块状问题。每一步都会引入新的源转移算子、局部 PML 问题、界面误差和传播误差，误差项数量随维数和嵌套层数迅速增加。为了证明波数显式收敛，必须控制这些误差项，并给出与 $k$ 和自由度无关的截断误差估计。

作者的关键创新之一是对截断算法引入正定重构。Algorithm 2.2 的直接输出 $\hat{v}$ 在层间界面处一般不连续，因此不能作为 $H_0^1(B_L)$ 中的协调近似。作者求解一个正定提升问题，将 $\hat{v}$ 提升为 $\hat{u}_p\in H_0^1(B_L)$。这一步不仅使近似属于正确解空间，还使后续误差分析可以借助变分形式进行。代价是原始源转移算子的简单等价表示不再直接成立，因此作者必须重新表述截断算法中使用的源转移算子，以使重构后的算法仍与局部 PML 问题和全局误差估计兼容。

另一关键工具是 UPML 问题的 inf–sup 条件。作者在比已有文献更宽松的 PML 参数限制下证明该条件，即允许 $0\le \zeta\lesssim 1$ 与 $\sigma_0\ge 1$。这一参数范围对于三维分析尤为重要，因为它允许使用吸收较强的 PML，同时不要求 $\zeta$ 很大。与 [20] 中类似结果相比，本文的假设更灵活，从而为后续截断误差估计提供更广的适用范围。

在估计复 PML 距离的虚部时，作者没有直接沿用 [16] 或 [20] 的形式，而是引入新的定量下界 Lemma 2.3。其思路是：将区间 $[x_j,y_j]$ 分解为位于 PML 内且 $\sigma_j=\sigma_0$ 的部分和其余部分，记 PML 内长度为 $b_j$。若 $(b_1^2+b_2^2+b_3^2)^{1/2}\ge b_0>0$，则虚部至少按 $\sigma_0 b_0^2/\left(\sum_j(a_j+b_0)^2\right)^{1/2}$ 增长。这一下界直接与 PML 内有效长度联系，避免了在三维中追踪复杂几何交叠，从而更容易得到基本解及其梯度的指数衰减。

配合该下界，作者使用拉伸基本解 $G(\tilde{x},\tilde{y})$ 的衰减估计：

$$ |G(\tilde{x},\tilde{y})|\lesssim e^{-k\operatorname{Im}\rho(\tilde{x},\tilde{y})}|x-y|^{-1}, $$$$ |\nabla_xG(\tilde{x},\tilde{y})|\lesssim e^{-k\operatorname{Im}\rho(\tilde{x},\tilde{y})}\left(k|x-y|^{-1}+|x-y|^{-2}\right), $$$$ |\nabla_x\nabla_yG(\tilde{x},\tilde{y})|\lesssim e^{-k\operatorname{Im}\rho(\tilde{x},\tilde{y})}\left(k^2|x-y|^{-1}+k|x-y|^{-2}+|x-y|^{-3}\right). $$

并进一步证明积分估计

$$ \max_{x\in\mathbb{R}^3}\int_{\mathbb{R}^3}|G(\tilde{x},\tilde{y})|\,dy\lesssim 1, \qquad \max_{x\in\mathbb{R}^3}\int_{\mathbb{R}^3}|\nabla_xG(\tilde{x},\tilde{y})|\,dy\lesssim k. $$

这些估计用于控制局部 PML 解和源转移算子的范数。

源转移恒等式本身是算法正确性的基础。作者定义 $\Psi_i^\pm$ 使得源在相邻层中的贡献在远场中保持不变，从而可以在每一层局部求解两个独立问题。非截断情形下，Theorem 2.8 给出源转移恒等式和局部解的积分表示，Theorem 2.9 进一步证明算法输出与原非截断 PML 解完全一致。该精确性结果为截断分析提供了出发点。

在截断情形下，作者采用“局部 PML 稳定性 + 区域分解 + 复距离估计”的框架。首先，借助假设 (H1) 控制 PML 全局稳定性，并证明 $C_{\mathrm{sta}}\lesssim 1$；其次，利用 Lemma 2.7 控制源转移过程中解的增长和远场衰减；再次，将区域划分为不同部分，分别估计近场局部 PML 稳定性和远场指数衰减贡献；最后，将所有误差项汇总，得到截断算法相对于非截断 PML 解的误差界。这一误差界对波数显式，并且不依赖于网格自由度数目。

对于条状和块状 PSTDDM，作者沿用相同思想，但将局部双层层状 PML 问题继续沿横向坐标递归分解。条状方法沿 $x_2$ 方向做第二族源转移，块状方法再沿 $x_3$ 方向分解。这样可以进一步减小局部子问题规模，更适合大规模三维计算。递归分解的代价是分析中需要同时处理多个方向的源转移算子及其耦合误差。作者强调，正是新虚部下界、放宽的 inf–sup 条件以及正定重构，使得这些嵌套误差可以在三维中被一致控制。

需要区分的是，文中严格证明的部分包括：非截断层状 PSTDDM 的精确性、若干基本解衰减估计、新的复距离虚部下界、PML 稳定性 $C_{\mathrm{sta}}\lesssim 1$、源转移解的增长与远场衰减估计，以及在放宽参数下的 UPML inf–sup 条件。至于三种 PSTDDM 的完整收敛定理，摘要声明已获得波数显式估计，但具体证明细节和误差公式未在提供的 PDF 摘录中展开，因此不能从现有内容进一步确认其技术细节。

4. 与之前工作的比较

本文与已有工作的比较可以从维度、算法层级、PML 参数假设、误差分析工具和适用范围几个方面展开。

首先，与 Du 和 Wu 的二维 PSTDDM [22] 相比，本文的直接推进是将纯源转移区域分解从二维推广到三维全空间 Helmholtz 问题。二维 PSTDDM 已经使用两个方向相反的独立源转移扫描，并在每一步中对局部双层层状 PML 问题沿横向递归分解。本文在三维中沿 $x_1$、$x_2$、$x_3$ 方向依次进行源转移，得到层状、条状和块状三种 PSTDDM。作者明确指出，这一推广不是形式上的重复。在二维中相对简单的源转移等价表示，在三维截断算法中由于正定重构而不再直接成立，因此需要重新表述源转移算子；同时，三维嵌套误差项更多，必须建立新的复距离虚部下界和更灵活的 inf–sup 条件。

其次，与 Chen 和 Xiang 的原始 STDDM [14] 相比，PSTDDM 的基本区别在于：原始 STDDM 主要沿一个方向进行源转移扫描，而 PSTDDM 使用两个彼此独立的相反方向扫描；并且 PSTDDM 在每一步中允许对局部两层 PML 问题继续沿横向递归分解。本文继承并扩展了这一思想，将递归分解推进到三维的条状和块状层级。因此，本文在算法层面不仅增加了维度，还增加了层级结构：层状 PSTDDM 只在 $x_1$ 方向转移，条状 PSTDDM 进一步在 $x_2$ 方向转移，块状 PSTDDM 再在 $x_3$ 方向转移。这样可进一步减小局部子问题规模，更适合大规模三维问题。

第三，与 [20] 中已有的虚部下界和 PML 分析相比，本文的 Lemma 2.3 是一个可明确比较的技术推进。[20] 的类似结果要求 $\zeta\ge 1$，或者 $\zeta=0$ 且 $0<\sigma_0<1$。本文则在 $0\le \zeta\lesssim 1$ 和 $\sigma_0\ge 1$ 的更灵活假设下建立 UPML 的 inf–sup 条件。作者引入的虚部下界以 PML 内有效长度 $b_j$ 表达，形式为

$$ \operatorname{Im}\rho(\tilde{x},\tilde{y})

\frac{\sigma_0 b_0^2}{\left(\sum_{j=1}^3(a_j+b_0)^2\right)^{1/2}}, $$

这比依赖特定 $\zeta$ 或 $\sigma_0$ 范围的下界更容易在三维中产生指数衰减估计。换言之，本文在 PML 参数假设上放宽了限制，但代价是分析更复杂，且常数可能对 $\sigma_0$ 有多项式依赖。

第四，与复距离估计和 PML 基本解分析相关的工作 [4,16,36] 相比，本文大量依赖已有的拉伸基本解表示和复距离上下界，但加上了新的虚部下界与积分估计。作者在 Lemma 2.5 中给出了 $\int|G(\tilde{x},\tilde{y})|\,dy\lesssim 1$ 与 $\int|\nabla_xG(\tilde{x},\tilde{y})|\,dy\lesssim k$ 的证明，并指出 [20, Lemma 6] 提供类似估计但没有显式波数依赖。这些估计是后续控制源转移增长和截断误差的关键。

第五，在 PML 稳定性常数方面，本文证明了 $C_{\mathrm{sta}}\lesssim 1$，并指出基于球坐标 PML 的已有结果 [38] 可期望 $C_{\mathrm{sta}}\simeq k^{-1}$，但本文未证明这一更精细的波数下界。因此，与理想的大波数 PML 稳定性预期相比，本文的稳定性估计在波数依赖上仍有改进空间。这一点也影响后续源转移增长因子 $(kC_{\mathrm{sta}})^i$ 的显式波数依赖。

第六，在适用范围和代价方面，本文面向三维自由空间 Helmholtz 问题，源项 $f$ 紧支撑，采用 UPML 截断并在外边界上施加齐次 Dirichlet 条件。算法可作为直接求解器，也可作为 GMRES 预条件子。与二维 PSTDDM 相比，三维 PSTDDM 的层状、条状、块状递归分解虽然减小了局部问题规模，但算法实现和误差分析都更复杂。截断算法还需要额外的正定重构步骤，以得到全局 $H_0^1(B_L)$ 近似。这一重构增加了每一步的计算，但由于问题是正定的，作者指出可用高效迭代方法求解，因此代价可控。

第七，作者在引言中提到了 multigrid、butterfly、Schwarz、sweeping preconditioner、STDDM、PSTDDM 和两级 Schwarz 等一系列 Helmholtz 快速求解器。本文与 PML sweeping preconditioner [25] 有思想渊源：PSTDDM 受其启发，但采用源转移和区域分解形式。与 sweeping preconditioner 相比，本文强调纯源转移、双向扫描和横向递归分解，并给出波数显式的收敛分析。不过，从提供的 PDF 摘录中无法确认本文与所有这些方法在数值性能上的详细对比，因为数值实验部分未展开。

最后，关于与已有工作差异的局限：作者在摘要和引言中明确说明了与 [14,22,20] 的关系，但对三维条状和块状算法的收敛定理如何具体优于二维结果、误差界中常数如何依赖 PML 参数和波数，提供内容不足以确认。数值实验只声称验证了方法作为直接求解器和 GMRES 预条件子的有效性，但没有给出具体波数、网格、迭代次数和误差数据。因此，在评价其相对于已有三维 Helmholtz 快速算法的实际优势时，需要依赖论文后续章节或完整数值结果。

4. 面向高频 Helmholtz 问题的基于离散边多尺度空间的混合 Schwarz 预条件子

Discrete Edge Multiscale Space based Hybrid Schwarz Preconditioner for High-Frequency Helmholtz Problems

作者: Shubin Fu, Shihua Gong, Guanglian Li, Yueqi Wang

类别: math.NA

发布日期: 2026-10-14

arXiv ID: 2610.19354v1

摘要翻译: 在这项工作中，我们发展了一种新颖的混合 Schwarz 方法，称为基于边多尺度空间的混合 Schwarz (EMs-HS)，用于求解大波数的 Helmholtz 问题。该问题在网格尺寸 $h$ 减小快于 $k^{-3/2}$ 的网格上使用 $H^1$-协调节点有限元方法离散化，使得离散误差可由数据关于 $k$ 一致地界定。EMs-HS 由一个单层 Schwarz 预条件子 (RAS-imp) 和一个粗求解器以乘性方式组成。RAS-imp 预条件子并行求解带阻抗边界条件的重叠子区域上的局部问题，并利用单位分解组合局部解。在 PDE 层面，该粗空间对应于 {[S. Fu, G. Li, R. Craster, and S. Guenneau, \emph{Multiscale Model. Simul.}, 19(4):1684-1709, 2021]} 中提出的边多尺度空间。该粗空间对来自原始问题和伴随问题的离散解的逼近性质，通过一种基于非标准变分形式的新的协调 Galerkin 有限元方法导出。这项工作代表了对离散层面边多尺度空间的首次理论分析。我们通过严格分析粗空间对全局 Helmholtz 调和延拓部分以及对伴随问题解的逼近性质，证明 EMs-HS 预条件子对大波数能一致地产生收敛的不动点迭代。我们提供了关于理论结果尖锐性的广泛数值结果，并在具有挑战性的非均质模型上展示了该方法。

Comment: 无

链接: http://arxiv.org/abs/2610.19354v1

1. 研究对象和背景

本文研究有界凸多边形或多面体区域 $\Omega\subset\mathbb{R}^d$（$d=2,3$）上带阻抗边界条件的高频 Helmholtz 方程。未知量为复值场 $u$，波数 $k\ge k_0>0$ 很大，源项 $f\in(H^1(\Omega;\mathbb{C}))'$，边界数据 $g\in H^{-1/2}(\partial\Omega;\mathbb{C})$。方程写作

$$ -\Delta u-k^2u=f\quad \text{in }\Omega,\qquad \frac{\partial u}{\partial n}+iku=g\quad \text{on }\partial\Omega. $$

其变分形式为求 $u\in V:=H^1(\Omega;\mathbb{C})$ 使

$$ a(u,v)=F(v),\quad \forall v\in V, $$

其中

$$ a(v_1,v_2)=\int_{\Omega}\nabla v_1\cdot\nabla\overline{v_2}\,dx-k^2\int_{\Omega}v_1\overline{v_2}\,dx+ik\int_{\partial\Omega}v_1\overline{v_2}\,ds, $$

$$ F(v)=\int_{\Omega}f\overline{v}\,dx+\int_{\partial\Omega}g\overline{v}\,ds. $$

本文使用 k 加权范数

$$ \|v\|_V^2=\|\nabla v\|_{L^2(\Omega)}^2+k^2\|v\|_{L^2(\Omega)}^2. $$

双线性形式有界，且满足 Gårding 不等式

$$ \Re a(v,v)+2k^2\|v\|_{L^2(\Omega)}^2\ge \|v\|_V^2. $$

这些性质保证弱解存在唯一，但算子不定、非自伴，因此分析不能直接沿用自伴椭圆问题的经典 Schwarz 理论。\n\n离散层面采用 $H^1$ 协调节点线性有限元空间 $V_h$，网格尺寸 $h$ 需满足

$$ h^2k^3\le C_0, $$

即 $h$ 以快于 $k^{-3/2}$ 的速度减小。此时离散问题稳定，且离散误差可由数据对 $k$ 一致地控制：存在常数 $C_{\mathrm{stab}}$ 独立于 $h,k$，使

$$ \|u_h\|_V\le C_{\mathrm{stab}}\big(\|f\|_{L^2(\Omega)}+\|g\|_{L^2(\partial\Omega)}\big). $$

高频 Helmholtz 数值求解的困难在于：解高度振荡，需极细网格；系统矩阵大规模、不定且非正规，标准迭代法不可靠；传播性质使源点影响远方，破坏基于局部化的并行算法。\n\n一 level Schwarz 方法近年有重要进展：例如 shifted-Laplacian 稳定化、基于单位分解的对称加权投影与限制、波型截断、使用吸收边界条件的 RAS-imp 预条件子以及使用完美匹配层的 RAS-PML。这些方法在局部问题稳定时具有幂压缩性，在固定分解和足够重叠下可对 $k$ 鲁棒，但子域问题昂贵且算法不可扩展。为获得可扩展性，通常需要两 level 方法，引入粗空间捕捉全局信息并在子域间传递。经典两 level Schwarz 理论针对自伴正定问题，或不定项为椭圆部分小扰动的问题；对高频 Helmholtz，不定项按 $k^2$ 放大，经典估计非常悲观。传统多项式粗空间又与 Helmholtz 有限元逼近和污染效应紧密相关：若粗网格直径不够小，甚至不能保证粗投影存在。已有粗空间包括 DtN、GenEO、LOD、MS-GFEM 等，它们各有适用范围，但构造对 $k$ 弱尺度、稳定投影并克服污染的粗空间仍是关键。\n\n本文试图补的空白是：在离散层构造并分析一类边多尺度粗空间 $V_{h,0}$，将其与一 level RAS-imp 预条件子以乘法方式组合为 EMs-HS，并证明所得不动点迭代对大波数一致收敛。具体地，$V_{h,0}$ 对应 Fu、Li、Craster 与 Guenneau 在 PDE 层提出的 edge multiscale space，但本文首次在离散层给出理论分析。粗空间基于全局 Helmholtz 调和延拓与 bubble 部分的分解，通过局部齐次 Helmholtz 问题、层次基和单位分解粘合构造。本文要回答的核心问题是：加入这样的多尺度粗空间后，能否在温和的重叠尺寸、子域直径和层级参数条件下，使混合 Schwarz 迭代对高频 Helmholtz 问题一致收缩，并在异质系数模型上保持有效性。

2. 主要定理或主要结果

根据摘要和已提供的 PDF 正文，本文的主要结果包括以下几类。第一，离散稳定性和有限元框架。在凸区域、$H^1$ 协调线性有限元以及网格条件

$$ h^2k^3\le C_0 $$

下，Theorem 2 给出离散问题适定性和稳定性

$$ \|u_h\|_V\le C_{\mathrm{stab}}\big(\|f\|_{L^2(\Omega)}+\|g\|_{L^2(\partial\Omega)}\big), $$

常数不依赖 $h,k$；对伴随问题 $a^*(z,v)=(w,v)_{\Omega}$ 同样成立。第二，局部-全局稳定性。Lemma 1 证明对 $v_i\in V_{h,i}$ 和 $v_h=\sum_{i=1}^N\tilde R_i^T v_i$，有

$$ \|v_h\|_V\le \sqrt{\Lambda}(1+C_I)\Big(\sum_{i=1}^N\|\chi_i v_i\|_{V(\Omega_i)}^2\Big)^{1/2}, $$

其中 $\Lambda$ 是有限重叠常数，$C_I$ 来自节点插值稳定性；该估计是后续 RAS-imp 分析的基础。第三，局部 Schwarz 投影与限制的差异。Lemma 2 证明，在网格条件和尺度分辨假设下，对 $v_h\in V_h$，有

$$ \Big(\sum_{i=1}^N\|Q_i v_h-v_h|_{\Omega_i}\|_{V(\Omega_i)}^2\Big)^{1/2}\le C_\partial \sigma\|v_h\|_V,\quad \sigma=(k\bar d)^{-3/2}(k h)^{-1/2}, $$

其中 $\bar d$ 是子域最大直径。这说明一 level RAS-imp 校正后剩余的高频部分由 $\sigma$ 控制。\n\n第四，粗空间构造与维数。局部 Helmholtz 调和空间定义为

$$ V_i^\partial=\{v_h\in V_{h,i}: a_i(v_h,w_h)=0,\ \forall w_h\in V_{h,i}^0\}, $$

全局空间由加权延拓粘合

$$ V^\partial=\mathrm{span}\Big\{\sum_{i=1}^N\tilde R_i^T v_i^\partial: v_i^\partial\in V_i^\partial\Big\}. $$

粗空间 $V_{h,0}$ 近似 $V^\partial$，并用单位区间上的层次帽函数基和张量积构造骨架上的 Dirichlet 数据。其维数为

$$ \dim V_{h,0}=H^{-d}2^{\ell(d-1)},\qquad \ell\le \log_2\frac{H}{h}. $$

摘要指出，在最优均匀网格情形，为使大波数 Helmholtz 方程收敛，迭代求解器仅需粗空间维数约为

$$ \min\{k^{3d-2},k^{-1/2}h^{-d}\}. $$

\n\n第五，混合 Schwarz 预条件子与误差传递。定义粗算子 $A_0=R_0AR_0^T$，RAS-imp 预条件子 $B_{\mathrm{RAS-imp}}=\sum_{i=1}^N\tilde R_i^T A_i^{-1}R_i$。EMs-HS 预条件子为

$$ B_{\mathrm{hybrid}}=R_0^T A_0^{-1}R_0(I-AB_{\mathrm{RAS-imp}})+B_{\mathrm{RAS-imp}}. $$

对应预条件算子为

$$ B_{\mathrm{hybrid}}A=R_0^T A_0^{-1}R_0A(I-B_{\mathrm{RAS-imp}}A)+B_{\mathrm{RAS-imp}}A, $$

误差传递算子为

$$ I-B_{\mathrm{hybrid}}A=(I-R_0^TQ_0)(I-B_{\mathrm{RAS-imp}}A), $$

其中 $Q_0=A_0^{-1}R_0A$。因此分析归结为证明 $I-B_{\mathrm{RAS-imp}}A$ 对高频余项的压缩和 $I-R_0^TQ_0$ 对全局调和延拓部分的压缩。\n\n第六，核心收敛定理。摘要明确宣称 Theorem 6 建立 EMs-HS 预条件子导致固定点迭代对大波数一致收敛，即粗校正对全局 Helmholtz 调和延拓部分具有收缩性质。证明使用 Schatz 论证，条件涉及重叠尺寸 $\delta$、子域最大直径 $\bar d$ 和层级参数 $\ell$，摘要称这些条件非常温和。为达到该结论，Corollary 1 给出粗空间局部逼近性质：通过 transposition method 将粗骨架上的逼近性质转移到子域内部，并分析一个非标准变分形式的协调 Galerkin 有限元逼近误差。Lemmas 10 和 11 进一步给出粗空间对全局 Helmholtz 调和延拓部分以及伴随问题解的逼近性质，将全局误差表示为局部误差。需要指出：提供的 PDF 文本只到第 10 页，并未包含 Theorem 6、Corollary 1、Lemmas 10 和 11 的完整陈述，因此上述关于具体常数、对 $\delta,\bar d,\ell$ 的精确条件以及收缩因子的细节无法从所给内容中核验。\n\n第七，数值结果。摘要和正文说明作者提供大量二维和三维数值实验，包括均匀系数和异质系数模型，用以检验理论发现并展示方法在挑战性异质模型上的表现。摘要特别指出，数值上 $\ell=1$ 已足以实现快速收敛。从提供内容中无法确认数值部分的具体误差表、迭代次数和参数扫描范围。

3. 研究方法、关键技术和核心工具

主要技术障碍有三方面。第一，经典两 level Schwarz 理论不能直接用于高频 Helmholtz：不定项 $-k^2u$ 在能量范数下按 $k^2$ 放大，经典对自伴或小扰动不定问题的估计非常悲观。第二，传统多项式粗空间与 Helmholtz 有限元逼近和污染效应绑定，粗网格不够细时粗投影可能不存在或不稳定；因此需要构造对 $k$ 弱尺度、能捕捉全局传播的粗空间。第三，edge multiscale space 此前主要在 PDE 层为强振荡椭圆问题设计，本文需要在离散层证明其对 Helmholtz 正问题与伴随问题的逼近性质，并进一步证明其在混合 Schwarz 迭代中的收缩性。\n\n作者的真正创新点及其证明框架可概括如下。第一，一 level RAS-imp 与单位分解加权延拓。局部问题使用阻抗边界条件

$$ a_i(u_i,v_i)=\int_{\Omega_i}\nabla u_i\cdot\nabla\overline{v_i}\,dx-k^2\int_{\Omega_i}u_i\overline{v_i}\,dx+ik\int_{\partial\Omega_i}u_i\overline{v_i}\,ds, $$

使局部算子具有稳定性和幂压缩性。加权延拓 $\tilde R_i^T v_i=R_i^T\Pi_{h,i}(\chi_i v_i)$ 利用单位分解 $\{\chi_i\}$，满足 $\sum_i\tilde R_i^T(v_h|_{\Omega_i})=v_h$。Lemma 1 的证明结合三角不等式、节点插值稳定性

$$ \|(I-\Pi_{h,i})v_i\|_{L^2(\Omega_i)}+h\|\nabla(I-\Pi_{h,i})v_i\|_{L^2(\Omega_i)}\le C_Ih\|\nabla v_i\|_{L^2(\Omega_i)} $$

以及有限重叠假设，得到局部到全局的 $V$ 范数稳定性。Lemma 2 则借用并推广 [24, Lemma 4.4] 中局部 Schwarz 投影与限制的差异估计，得到因子 $\sigma=(k\bar d)^{-3/2}(kh)^{-1/2}$，这一步是后续证明高频余项可被压缩的关键。\n\n第二，粗空间构造基于全局 Helmholtz 调和延拓与 bubble 分解。作者观察到全局解可拆为局部可并行恢复的 bubble 部分和不可局部恢复的全局 Helmholtz 调和延拓部分。前者可由一 level 方法处理，后者需要粗空间捕捉。为此定义局部 Helmholtz 调和空间 $V_i^\partial$，即满足局部齐次 Helmholtz 方程且具有 Dirichlet 边界数据的离散函数；再用加权延拓和单位分解粘合为全局空间 $V^\partial$。粗空间 $V_{h,0}$ 不直接在粗网格上取分片多项式，而是在每个子域的粗骨架 $\partial T_H$ 上使用区间 $I=[0,1]$ 的层次帽函数基 $\psi_{\ell,j}$ 及其张量积 $V_\ell^{\otimes(d-1)}$ 作为 Dirichlet 数据，求解局部齐次 Helmholtz 问题，再粘合。该构造给出维数 $H^{-d}2^{\ell(d-1)}$，且与任意重叠子域分解及相应单位分解兼容。创新点在于：粗空间直接近似全局 Helmholtz 调和延拓，而非普通粗网格多项式，从而在粗网格上仍有精度并避免污染效应的过度限制。\n\n第三，非标准变分形式的协调 Galerkin 有限元误差分析。为证明粗空间对离散解的逼近性质，作者在第 5.1 节建立了一个自包含的协调 Galerkin 有限元误差分析框架，但基于非标准变分形式。这与标准 Helmholtz 有限元误差分析不同，因为这里要处理粗骨架上的层次基作为 Dirichlet 数据、局部齐次问题以及单位分解粘合。随后使用 transposition method，将粗骨架上的逼近性质转移到子域内部，得到 Corollary 1 的局部逼近估计。该步骤是连接粗骨架可逼近性与全局粗空间逼近性质的核心桥梁。\n\n第四，全局误差分解与伴随问题分析。Lemmas 10 和 11 将全局 Helmholtz 调和延拓部分和伴随问题解的误差表示为局部误差的贡献。伴随问题

$$ a^*(z,v)=(w,v)_{\Omega},\quad \forall v\in V $$

在 Gårding 框架下同样非正定且非自伴，因此 Schatz 论证需要正问题与伴随问题两侧的稳定性和逼近性。作者通过伴随问题分析获得对偶估计，从而控制粗校正 $I-R_0^TQ_0$ 对全局调和延拓部分的作用。\n\n第五，收缩性证明与 Schatz 论证。误差传递算子为

$$ I-B_{\mathrm{hybrid}}A=(I-R_0^TQ_0)(I-B_{\mathrm{RAS-imp}}A). $$

证明分两步：先用 Lemma 2 说明 $I-B_{\mathrm{RAS-imp}}A$ 将误差变成局部小量 $v_h^\partial$，即高频余项被压缩；再用 Theorem 6 证明粗校正 $I-R_0^TQ_0$ 对 $v_h^\partial$ 的全局调和延拓部分具有收缩性。该证明使用 Schatz 论证，需要显式处理重叠尺寸 $\delta$、子域最大直径 $\bar d$ 和层级参数 $\ell$ 之间的关系。最终得到固定点迭代对大的 $k$ 一致收敛。\n\n总体而言，关键工具包括：k 加权能量范数、Gårding 不等式、单位分解加权延拓、局部阻抗边界条件、局部 Helmholtz 调和空间、层次基与张量积、transposition method、非标准变分形式的 Galerkin 误差估计、伴随问题对偶估计以及 Schatz 论证。作者没有仅仅使用能量估计和紧性，而是建立了一个针对离散边多尺度空间与混合 Schwarz 的完整逼近与收缩框架。

4. 与之前工作的比较

本文与已有工作的比较可以从几个层面展开。\n\n第一，与一 level Schwarz 方法的比较。已有 RAS-imp 预条件子 [18,19] 使用阻抗边界条件和单位分解组合局部解，RAS-PML [15] 使用完美匹配层，PU 加权方法 [20,22] 对吸收 Helmholtz 问题给出良好数值域，shifted-Laplacian [9,10] 提供稳定化，波型截断 [8,27] 构造局部问题。这些方法在局部问题稳定时具有幂压缩性，在固定分解和足够重叠下可以对 $k$ 鲁棒；缺点是子域问题昂贵且算法不随子域数可扩展。本文保留 RAS-imp 作为一 level 部分，但加入基于离散边多尺度空间的粗求解器，以乘法方式组合。因此本文的目标不是替代 RAS-imp，而是通过粗空间增强子域间全局信息交换并改善可扩展性。摘要中还提出两个自然问题：加入粗空间能否加速信息交换，能否减少对重叠尺寸的要求。Theorem 6 在温和条件（重叠尺寸 $\delta$、最大子域直径 $\bar d$、层级参数 $\ell$）下证明收敛，但提供内容未给出与一 level 方法在重叠需求上的定量对比。\n\n第二，与经典两 level Schwarz 理论及传统粗空间的比较。经典 Schwarz 理论 [41] 可预测自伴问题的两 level 方法性能，而 [4,43] 可处理不定项为小扰动的非对称不定问题。对高频 Helmholtz，不定项按 $k^2$ 放大，经典估计 [21] 非常悲观。传统粗空间如 DtN、GenEO、LOD、MS-GFEM [2,3,7,14,24,31,33] 在异质 Helmholtz 中有重要应用，但粗网格分片多项式逼近与 Helmholtz 有限元逼近和污染效应紧密相关：粗网格不够细时粗投影可能不存在，粗空间精度也受限。本文的粗空间 $V_{h,0}$ 是离散边多尺度空间，基于全局 Helmholtz 调和延拓与 bubble 分解，而不是粗网格分片多项式。其维数为 $H^{-d}2^{\ell(d-1)}$，在最优均匀网格下所需维数约为 $\min\{k^{3d-2},k^{-1/2}h^{-d}\}$。这一构造意在同时获得粗网格精度、对 $k$ 的弱尺度和稳定粗投影。与 [24] 的关系尤其紧密：Theorem 6 的收缩性证明受到 [24] 启发，并采用 Schatz 论证。但本文粗空间与 [24] 的粗空间不同，且本文强调首次对离散 edge multiscale space 做理论分析。\n\n第三，与 edge multiscale space 原工作的比较。EMs 空间最初为强振荡系数椭圆 PDE 的逼近而发展，相关 PDE 层构造见 [11,12,29] 以及 Fu、Li、Craster 和 Guenneau 的 [2021] 工作。本文粗空间在 PDE 层对应上述 edge multiscale space，但本文的分析发生在离散层：构造 $V_{h,0}$，证明其对离散正问题、全局 Helmholtz 调和延拓部分以及伴随问题解的逼近性质，并进一步证明 EMs-HS 的收缩性。这是从椭圆多尺度逼近框架到高频 Helmholtz 混合 Schwarz 预条件子框架的推进。原工作主要关注椭圆 PDE 的逼近，本文处理的是不定、非自伴、传播全局的高频 Helmholtz 算子，并需要伴随问题分析。\n\n第四，假设、适用范围与代价的比较。本文离散稳定条件为 $h^2k^3\le C_0$，即细网格需显著解析波；尺度分辨假设要求子域直径满足 $\max_i C_P(\Omega_i)^{1/2}d_i k<1$，对规则区域等价于 $d_i<\pi k^{-1}$。粗空间构造使用重叠子域、单位分解、局部齐次 Helmholtz 问题以及层次基。代价包括：粗空间维数随 $k$ 和 $h$ 增长，虽比传统多项式粗空间可能更有效，但在极端高频下仍可能较大；构造粗空间需解许多局部齐次 Helmholtz 问题并生成层次基，实现复杂；理论分析依赖非标准变分形式和 transposition 方法。数值上摘要称 $\ell=1$ 已足够快速收敛，并在二维、三维均匀与异质系数模型上展示方法，但提供内容未包含与 DtN、GenEO、LOD、MS-GFEM 等粗空间的直接数值比较，也未显式展开与这些方法在重叠尺寸、子域数量、粗空间维数和计算代价上的逐项对比。因此，关于本文相对这些既有粗空间在具体常数和实际可扩展性上的优势，从提供内容中无法完全确认。\n\n第五，时间尺度与适用问题。已有一 level 方法在固定分解和足够重叠下可对 $k$ 鲁棒，但不可扩展；本文的目标是两 level 可扩展方法，收敛性对大的 $k$ 一致。已有两 level 方法多针对自伴或小扰动不定问题，或使用不同粗空间处理异质 Helmholtz。本文把多尺度粗空间用于高频 Helmholtz 预条件子，并首次在离散层建立理论。其适用范围包括有界凸多边形/多面体区域、阻抗边界条件、$H^1$ 协调节点有限元、准均匀细网格以及满足尺度分辨假设的重叠分解。作者未显式讨论非凸区域、高阶有限元、非均匀细网格或变波数情况下理论是否成立；从提供内容中无法确认这些扩展。

了解领域论文（摘要翻译）

1. 用热半群泛函演算与逐点乘积模拟 Darcy 解算子

Emulating the Darcy Solution Operator by Heat-Semigroup Functional Calculus and Pointwise Products

作者: Dawid Hanrahan

类别: math.NA, math.AP

发布日期: 2026-10-14

arXiv ID: 2610.20106v1

链接: http://arxiv.org/abs/2610.20106v1

摘要翻译

中文标题: 用热半群泛函演算与逐点乘积模拟 Darcy 解算子

摘要翻译: 我们通过算子网络逼近 $-\operatorname{div}(a\nabla u)=f$ 的解算子 $(a,f)\mapsto u$，该算子网络仅有的原语是固定参考算子的热半群函数与逐点乘积。主要结果是在具有谱隙和 Bakry–Émery 界 $\mathrm{BE}(-K,\infty)$ 的强局部 Dirichlet 空间上的模拟定理：一个显式格式对具有有界 carré du champ 和有界生成元像的系数以及 $L^2$ 数据一致地达到 $\dot H^1$ 误差 $\varepsilon$，其参数仅依赖于系数界、精度和 $K$；在环面上，这给出一个 $C^2$ 型系数类，其常数与维数无关。环面版本将其细化为分数正则性 $A^{1+θ}$ 的 Wiener 类，并具有由该格式的乘积缺陷块达到的显式速率。该格式展开拉普拉斯预条件的 Richardson 迭代，在不使用 Galerkin 截断的情况下以 $\dot H^1$ 的算子范数控制每个不精确步骤，并从一层热层的乘积缺陷合成耦合项 $\nabla a\cdot\nabla u$。所有参数都是显式的；这些结果是连续算子的逼近定理。

2. 通过 SAV-E 方法逼近驻点的二阶流

Second-Order Flows for Approaching Stationary Points via the SAV-E Approach

作者: Haifan Chen, Wei Liu, Ziqing Xie, Yifang Yuan

类别: math.NA

发布日期: 2026-10-14

arXiv ID: 2610.19884v1

链接: http://arxiv.org/abs/2610.19884v1

摘要翻译

中文标题: 通过 SAV-E 方法逼近驻点的二阶流

摘要翻译: 二阶流是一种新兴的计算框架，用于逼近变分能量的驻点，其特征为阻尼双曲偏微分方程。在本文中，我们针对这一类流发展了一种标量辅助变量（SAV）方法，称为 SAV-E。所得格式是线性的且解耦的，并且我们证明了无条件修正能量稳定性。我们进一步在适当假设下，对 Ginzburg-Landau 模型和守恒 Swift-Hohenberg 模型建立了到驻点的子列收敛性。数值实验支持了该分析，并表明与代表性基线和相应的梯度流相比，该方法具有鲁棒性和效率。

3. 四阶椭圆问题的稳定化 CR-CR 方法

A Stabilized CR-CR Method for Fourth-Order Elliptic Problems

作者: Yule Sun, Shudan Tian, Qian Zhang

类别: math.NA

发布日期: 2026-10-14

arXiv ID: 2610.19514v1

链接: http://arxiv.org/abs/2610.19514v1

摘要翻译

中文标题: 四阶椭圆问题的稳定化 CR-CR 方法

摘要翻译: 我们提出一种用于应变梯度弹性的 CR-CR 方法，并证明其关于 Lamé 参数 $λ$ 和长度尺度 $ι$ 的鲁棒性。该方法将应变作为独立的对称张量引入，并使用 CR 单元同时离散应变和位移。CR 插值算子与相关微分算子的交换性质带来了关于 $λ$ 的鲁棒性。一个稳定项弱施加应变与位移的对称梯度之间的关系。该方法也直接适用于双调和方程和奇异摄动四阶问题。对于这些问题，我们证明 CR-CR 方法等价于 Huang 和 Tang 提出的 RT-CR 方法。这一结果将 Poisson 方程的 RT-P0 混合方法与 CR 方法之间的经典等价性推广到四阶问题。该等价性表明，稳定项自然地源于 RT-CR 混合格式。

4. 具有低正则性势的非线性 Schrödinger 方程的一种势投影方法

A potential projection method for the nonlinear Schrödinger equation with low regularity potential

作者: Weizhu Bao, Qingyuan Sun, Chushan Wang

类别: math.NA

发布日期: 2026-10-14

arXiv ID: 2610.19430v1

链接: http://arxiv.org/abs/2610.19430v1

摘要翻译

中文标题: 具有低正则性势的非线性 Schrödinger 方程的一种势投影方法

摘要翻译: 我们通过将势替换为其 Fourier 投影（截断 Fourier 级数），针对具有低正则性和奇异势的非线性 Schrödinger 方程 (NLSE) 提出了一种势投影 (PP) 方法。这产生了一个具有投影势的 NLSE (NLSEwPP)。我们严格建立了其在低正则性势下的适定性，以及其向原 NLSE 的收敛性。随后，NLSEwPP 由标准时间分裂 Fourier 伪谱 (TS-FP) 方法直接离散，其中网格尺寸根据势投影参数选取，从而得到全离散 TS-PP-FP 方法。数值上，在低正则性乃至奇异势下，TS-PP-FP 就精确解的正则性而言总能达到最优的时间与空间收敛阶。与时间分裂 Fourier 谱方法相比，TS-PP-FP 在显著更低计算成本下达到相同的收敛阶，并保持质量守恒和时间对称性（这些在时间分裂方法的 Fourier 谱离散中会丢失）；与时间分裂 FP 方法相比，在相同计算成本下，它对低正则性势明显更精确。

5. 非线性参数问题的变分正确损失函数及其神经逼近

Variationally correct loss functions for nonlinear parametric problems and their neural approximations

作者: Pablo Cortés Castillo, Wolfgang Dahmen, Jay Gopalakrishnan

类别: math.NA

发布日期: 2026-10-13

arXiv ID: 2610.19296v1

链接: http://arxiv.org/abs/2610.19296v1

摘要翻译

中文标题: 非线性参数问题的变分正确损失函数及其神经逼近

摘要翻译: 我们通过在一个测试空间的闭子空间的对偶范数中度量变分形式的残差，为非线性椭圆问题的参数族构造可计算的后验误差估计子。一个抽象定理表明，所得估计子可由试探范数中的误差从上方和下方界住，即它是一个变分正确的损失函数。涵盖两个实例。第一个考虑一个类 $L_2$ 的测试空间，产生一个非线性一阶系统最小二乘损失函数，该损失函数可验证任意的、可能无网格的近似。第二个将测试空间分片，产生一个由单元局部问题计算的非线性不连续 Petrov-Galerkin 损失函数。所有假设均针对拟线性扩散（包括单调通量和半线性问题）以及一个非局部 Kirchhoff 模型得到验证。数值研究使用后一种损失函数训练逼近参数到解映射的神经网络，并度量损失与平方误差之比。

不相关论文（基本信息）

1. 四面体网格上离散最大值原理的 Strang-Fix 注记的推广

Generalization of Strang-Fix remark for discrete maximum principles on tetrahedral meshes

作者: Safdar Ali, Maksat Ashyraliyev, Sergey Korotov, Sergei Silvestrov

类别: math.NA

发布日期: 2026-10-14

arXiv ID: 2610.20403v1

链接: http://arxiv.org/abs/2610.20403v1

摘要: Most of qualitative properties of finite element (FE) approximations for various PDE models, in particular the validity of the discrete maximum principles (DMPs), are usually guaranteed by certain geometric properties (e.g. acuteness/nonobtuseness) of FE meshes used. In this work, we revisit the linear FE discretization of the Poisson equation and discuss, in the context of DMPs, the representation of the stiffness matrix entries in terms of the edge lengths and cotangents of the dihedral angles of the tetrahedral meshes, thus avoiding the common use of face areas and element volumes. Using this type of entry representation, certain structural properties of meshes, and simple trigonometric relations, as proposed in the two-dimensional case by Strang and Fix, we show that DMPs still hold (as the stiffness matrices remain $M$-matrices) for many tetrahedral configurations with obtuse dihedral angles. Such a relaxation of the standard acuteness/nonobtuseness conditions can be vital in practical calculations, as these angle properties are difficult to preserve in global and local mesh refinements. Several representative examples are presented.

2. 面向逐系数后向稳定性的缩放友线性化

Scaled Companion Linearizations for Coefficientwise Backward Stability

作者: Javier Pérez

类别: math.NA

发布日期: 2026-10-14

arXiv ID: 2610.20285v1

链接: http://arxiv.org/abs/2610.20285v1

摘要: A central goal in solving a polynomial eigenvalue problem is to compute eigenpairs that are exact for a nearby polynomial, with each coefficient perturbation bounded by a modest multiple of unit roundoff times that coefficient’s norm. A backward stable eigensolver for a linearization does not automatically provide this coefficientwise relative guarantee. Scaling can improve accuracy, but a single scaling may not work across a widely spread spectrum. We construct a family of scaled companion linearizations that covers the nonzero complex plane. Each linearization is paired with a region and an eigenvector recovery rule for which the backward-error amplification factor is bounded at exact pencil eigenvectors, independently of coefficient norm disparities. Tropical roots guide the construction, and their multiplicities reduce the number of required solves. These results provide a basis for coefficientwise relative backward stability across the spectrum.

3. 用于深度高斯过程采样的小波压缩

Wavelet compression for sampling deep Gaussian processes

作者: Oskar Broukal, Michael Feischl, Conor Osborne

类别: math.NA

发布日期: 2026-10-14

arXiv ID: 2610.20266v1

链接: http://arxiv.org/abs/2610.20266v1

摘要: Deep Gaussian processes (DGPs) use iterative sampling to create non-stationary random fields. This is notoriously expensive because the covariance at each non-initial layer depends on the realised field from the layer below, so it changes with every sample. Moreover, standard fast sampling techniques like circulant embedding or matrix compression fail since the underlying kernel usually lacks the necessary regularity and structure. We develop and analyse a wavelet compression method for convolution Matérn DGPs. At each layer the covariance matrix is compressed using wavelets and a Lanczos algorithm computes the random sample. For specific parameter ranges involving the smoothness of the Matérn kernel as well as the smoothness of the wavelets, we show that the accumulative compression and sampling errors through all layers decay exponentially with increasing truncation parameter. We obtain a practical DGP sampling algorithm by choosing a truncation that gives log-linear covariance storage and matrix-vector costs, enabling DGP sampling at nearly linear computational cost.

4. Volterra 积分方程的快速谱方法

Fast spectral methods for Volterra integral equations

作者: Xi Chen, Kuan Xu

类别: math.NA

发布日期: 2026-10-14

arXiv ID: 2610.20206v1

链接: http://arxiv.org/abs/2610.20206v1

摘要: We develop novel methods for the fast construction of spectral approximations to smooth linear and weakly singular Volterra integral operators and for the fast evaluation of smooth nonlinear Volterra integrals. The proposed methods employ the Duffy mapping, which transforms the original indefinite integral into a definite integral and maps the original causal triangular domain to a square, thereby avoiding any artificial extension of the kernel function. For smooth linear and weakly singular Volterra operators, the resulting approximations are almost-banded and lower-banded, respectively. The $N\times N$ principal finite section of these approximations can be constructed in $O(N)$ and $O(N^2)$ flops, respectively, via recurrence relations. For Volterra integrals with a smooth kernel that depends nonlinearly on a given function, recurrence relations lead to fast evaluation with a complexity of $O(N^2\log N)$ when the function is approximated by a degree-$N$ Chebyshev approximant. These spectral approximations and evaluation procedures give rise to fast and stable spectral methods for solving Volterra integral equations, as well as a broad class of problems involving Volterra integral operators. Extensive numerical experiments show that these spectral methods significantly outperform existing methods in terms of stability, speed, accuracy, and ease of implementation.

5. eMOOD：用于高阶激波捕捉有限体积格式的基于熵的多维最优阶检测

eMOOD: Entropy-Based Multidimensional Optimal Order Detection for High-Order Shock-Capturing Finite-Volume Schemes

作者: Michał Umiński, Panagiotis Tsoutsanis, Ahmed A Sheikh Al-Shabab, Alan S. Dawes

类别: math.NA, physics.flu-dyn

发布日期: 2026-10-14

arXiv ID: 2610.20133v1

链接: http://arxiv.org/abs/2610.20133v1

摘要: We present eMOOD, an entropy-guided evolution of the Multidimensional Optimal Order Detection (MOOD) framework for high-order finite-volume methods on unstructured meshes. A novel troubled-cell indicator based on numerical entropy production replaces the classical relaxed discrete maximum principle. Using entropy generation as a physically motivated measure of non-smoothness, the detector targets shocks, contact discontinuities and under-resolved flow features with a compact stencil. Compared with conventional MOOD detection, eMOOD reduces flagged cells by up to 75%, improving efficiency and reducing memory-access overhead. The detector is used within both the classical MOOD cascade of progressively reduced-order schemes and a novel MOOD-CWENO hybrid, which retains inexpensive linear reconstruction in smooth regions and activates nonlinear high-order reconstruction only where needed. Implemented in the open-source parallel solver UCNS3D, the methodology is assessed on the Shu-Osher shock-entropy-wave interaction, double Mach reflection, supersonic forward-facing step, shock-helium-bubble interaction and triple material point problems. These benchmarks encompass strong shock interactions, shock-induced instabilities, multi-material interfaces and vortex-dominated flows, testing robustness, shock capturing and accuracy on unstructured meshes. Results show that eMOOD preserves the accuracy and robustness of reference CWENO and MOOD formulations while achieving speed-ups of up to 20% without loss of solution quality. Its compact detection stencil, reduced memory footprint and improved localisation offer a more scalable and efficient framework for massively parallel high-order compressible-flow simulations. UK Ministry of Defence (copyright) Crown owned copyright 2026 AWE.

6. P_2 半拉格朗日格式的稳定性

Stability of the P_2 semi-Lagrangian scheme

作者: Roberto Ferretti, Michel Mehrenberger

类别: math.NA

发布日期: 2026-10-14

arXiv ID: 2610.19806v1

链接: http://arxiv.org/abs/2610.19806v1

摘要: Among the various space interpolation operators used in high-order semi-Lagrangian schemes, the case of finite element interpolation presents a somewhat incomplete stability theory, partly due to the impossibility of applying in a standard form the framework of Von Neumann analysis, even in the constant coefficient case. In this work, the stability of the P_2 semi-Lagrangian scheme is stated in the case of the constant coefficient equation on a uniform mesh, using a suitable extension of the Von Neumann technique to treat block circulant matrices.

7. 用于基于FFT的微分的外推与混合光滑周期延拓

Smooth periodic extensions by extrapolation and blending for FFT-based differentiation

作者: Ivan Méndez-Cruz, Faisal Amlani

类别: math.NA

发布日期: 2026-10-14

arXiv ID: 2610.19797v1

链接: http://arxiv.org/abs/2610.19797v1

摘要: Non-periodic functions on closed intervals are extended into sufficiently smooth periodic functions through a continuous Hermite interpolation framework with necessary and sufficient endpoint conditions, using smooth blend-to-zero operators and short extrapolation recurrences. A matrix-free method is introduced for generating these smooth periodic extensions on the fly directly from function values at equidistant points. No precomputed continuation operator or auxiliary basis construction is required. The resulting extensions can then be used for FFT-based differentiation of non-periodic functions. Numerical tests are provided to show the effectiveness of the method, including for the highly accurate solution of a 1D linear advection equation.

8. 有限体积方法

Finite Volume Methods

作者: Robert Eymard, Thierry Gallou{ë}t, Rapha{è}le Herbin

类别: math.NA

发布日期: 2026-10-14

arXiv ID: 2610.19748v1

链接: http://arxiv.org/abs/2610.19748v1

摘要: This chapter focuses on finite volume methods. The finite volume method is a discretization method that is well suited for the numerical simulation of various types (for instance, elliptic, parabolic, or hyperbolic) of conservation laws; it has been extensively used in several engineering fields, such as fluid mechanics, heat and mass transfer, or petroleum engineering. Some of the important features of the finite volume method are similar to those of the finite element method: it may be used on arbitrary geometries, using structured or unstructured meshes, and it leads to robust schemes. The finite volume method is locally conservative because it is based on a balance'' approach: a local balance is written on each discretization cell that is often called control volume;’’ by the divergence formula, an integral formulation of the fluxes over the boundary of the control volume is then obtained. The fluxes on the boundary are discretized with respect to the discrete unknowns.

9. 具有流函数形式的 Oseen 方程最优控制的 C1 虚拟元方法

C1 Virtual Element Methods for the Optimal Control of Oseen Equations with Stream-Function Formulation

作者: Arbaz Khan, David Mora, Alberth Silgado, Harpal Singh

类别: math.NA, math.OC

发布日期: 2026-10-14

arXiv ID: 2610.19662v1

链接: http://arxiv.org/abs/2610.19662v1

摘要: This work analyzes a $C^1$-conforming virtual element method for the optimal control of generalized Oseen equations, formulated using the stream-function on simply connected polygonal domains. The method is based on a conforming discretization in $H^2$ of arbitrary order $k \ge 2$. The discrete scheme considers an approximation of the state and co-state equations which involves a specifically designed operator for the convective term and a \textit{variational discretization} of the control variable. We derive quasi-optimal a priori error estimates in the $H^1$ and $H^2$-norms for the stream-function, and in the $L^2$-norm for the control, under standard assumptions on the family of polygonal meshes. The proposed method recovers the fluid velocity, vorticity, and pressure using suitable projections. Finally, we report several numerical experiments to support the theoretical findings using different polygonal meshes including the cavity problem. We highlight that this analysis also covers OCPs governed by Brinkman and Stokes equation.

10. 哪些反问题可以用神经网络求解？

What Inverse Problems Can Be Solved Using Neural Networks?

作者: A. S. Leonov, D. V. Lukyanenko

类别: math.NA

发布日期: 2026-10-14

arXiv ID: 2610.19637v1

链接: http://arxiv.org/abs/2610.19637v1

摘要: The relationship between classical methods for solving inverse problems and neural network methods is examined. An answer is provided to the question of what inverse problems can be solved using neural networks. The answer is that neural network algorithms can solve only conditionally well-posed problems (well-posed according to Tikhonov). The reason is that the design of standard neural network algorithms violates the well-known Bakushinsky veto from the theory of ill-posed problems. It requires that any method theoretically guaranteeing a stable solution to an ill-posed problem must depend explicitly on the error level of data. The article highlights the distinction between the concept of regularization (RA) in the theory of ill-posed problems and regularization as understood in neural network training, where Bakushinsky’s veto is violated. Due to this violation, any changes to the neural network architecture, regularization during training, or training dataset augmentation cannot alter the answer specified above. It is theoretically demonstrated that an ill-posed inverse problem can be solved only by using a parametric set of neural networks that explicitly depend on the known error levels (as parameters) of data. Accordingly, as an alternative to standard neural network algorithms, \neural network based regularization algorithms (NNBRAs) are proposed to solve ill-posed inverse problems. One approach to their construction involves using a regularized dataset. Such a dataset can be generated from perturbed inverse-problem data using a specific base RA explicitly depended on the error level of the data. Test solving the simplest finite-dimensional ill-posed inverse problem demonstrate that the accuracy of the NNBRA approximate solutions is comparable to that of the base RA. At the same time, errors of conventional neural network methods may be unacceptable.

11. 多项式谱 Ritz 投影的几乎尖锐 $W^{1,\infty}$ 稳定性

Nearly sharp $W^{1,\infty}$ stability of polynomial spectral Ritz projections

作者: Yongxing Guo, Yuwen Li

类别: math.NA

发布日期: 2026-10-14

arXiv ID: 2610.19531v1

链接: http://arxiv.org/abs/2610.19531v1

摘要: We establish nearly sharp $W^{1,\infty}$ stability estimates for the Legendre spectral Ritz projection associated with Laplacian on a square domain. Its norm grows proportionally to the square root of the polynomial degree, up to a cubic logarithmic factor. The upper bound uses an integral representation of the discrete gradient projection in terms of one-dimensional semigroup kernels and a rank-two Duhamel comparison between the mass-matrix semigroup and its infinite-dimensional counterpart. The lower bound follows from the endpoint concentration of the Legendre kernel. As an application, we derive gradient maximum-norm error estimates for the Poisson and heat equations, with spatial factors optimal up to logarithmic terms.

12. 一种捕捉非平衡态的统一气体动理学格式 I：速度空间上离散正交基的构造与展开

A nonequilibrium-capturing unified gas-kinetic scheme I: discrete orthogonal basis construction and expansion on velocity space

作者: Hongyu Liu, Kun Xu

类别: physics.comp-ph, math.NA

发布日期: 2026-10-14

arXiv ID: 2610.19486v1

链接: http://arxiv.org/abs/2610.19486v1

摘要: Velocity space discretization is a primary source of computational cost in deterministic methods for multiscale gas flows. A fixed velocity grid often retains redundant kinetic degrees of freedom (DOFs), particularly under near equilibrium conditions. To address this issue, this work develops a nonequilibrium-capturing formulation based on the unified gas kinetic scheme (UGKS), in which the number of kinetic DOFs adapts locally to the degree of nonequilibrium. A discrete orthogonal basis is constructed for numerical implementation, and the velocity distribution function is decomposed into an analytical local equilibrium and a basis expanded nonequilibrium component. The retained, locally adapted DOFs are evolved directly, substantially lowering computational overhead while preserving the discrete conservation of mass, momentum, and energy, as well as accurately capturing nonequilibrium states. The formulation retains the core multiscale coupling of molecular transport and collision inherent to UGKS, providing explicit and implicit schemes for unsteady and steady flows, respectively. Numerical tests across a wide range of flow speeds and rarefaction regimes (from continuum to highly rarefied) demonstrate close agreement with benchmark solutions. For unsteady flows, the explicit scheme achieves speedups of 12.64 to 58.50 over the standard UGKS. In steady state tests, only about $2\%$ of the original kinetic DOFs are required in continuum regions, accelerating each implicit iteration by a factor of 33.87. Even in the most rarefied cases, the scheme captures nonequilibrium behavior using only about $27\%$ of the original DOFs.

13. 用于高维周期逼近的权重自适应 ANOVA 核

Weight-adapted ANOVA kernels for high-dimensional periodic approximation

作者: Zhengjie Sun

类别: math.NA, math.PR

发布日期: 2026-10-14

arXiv ID: 2610.19409v1

链接: http://arxiv.org/abs/2610.19409v1

摘要: In this paper, we construct normalized periodic kernels from univariate functions satisfying suitable moment conditions and derive sufficient conditions for high-order convolution approximation. Two computable quasi-interpolation schemes are obtained by discretizing the convolution integral using either a full tensor grid or random samples. In each case, the analysis separates the continuous convolution error from the error introduced by discretization. The contribution of kernel energy to the error exposes the dimensional dependence of tensor-product kernels and motivates our weight-adapted ANOVA constructions. Under suitable summability conditions on the weights, we establish convolution error and kernel energy estimates that yield dimension-uniform error bounds for the resulting quasi-interpolants. Numerical experiments corroborate the theoretical convergence rates and illustrate the effect of coordinate weighting on dimensional dependence.

14. 使用快照与行子采样求解一系列特征值问题

Solving a sequence of eigenvalue problems using snapshot and row subsampling

作者: Francesco Hrobat, Yuji Nakatsukasa

类别: math.NA

发布日期: 2026-10-14

arXiv ID: 2610.19326v1

链接: http://arxiv.org/abs/2610.19326v1

摘要: A sequence of eigenvalue problems requires solving $A_i\vec{x}_i= λ_i\vec{x}_i$ where $i \in \{1, \dots, N\}$, $N \gg 1$ and (usually) $λ_i$ is the largest or smallest eigenvalue of $A_i$. Often, the matrices $A_i$ come from a discretization of a smooth map depending on a parameter $p \rightarrow A(p)$, that is $A_i = A(p_i)$, so the matrices $A_i$ change gradually along the sequence. Under this latter assumption, we introduce an efficient algorithm for solving sequences of eigenvalue problems. Our algorithm combines the ideas of reduced order model and row subsampling, as done in [E. Jones and Y. Nakatsukasa, arXiv, 2025] for linear systems. In addition, in our approach, the same set of rows is guaranteed to work well independently of the value of the parameter $p$ or the matrix $A(p)$ as long as the snapshot matrix is unchanged and given that the row subset was chosen well at the beginning. Furthermore, we implement an update strategy of the snapshot matrix. Along these results, we present theoretical analysis of the snapshot matrix for eigenvalue problems, showing an exponential decay of the singular values, and we give bounds on the error on eigenvectors for unseen value of the parameter. This analysis generalizes that in [M. Guido, D. Kressner, and P. Ricci, J. Sci. Comput., 2024] and shows that, regardless of the distribution of the snapshot points, the convergence is always (asymptotically) exponential in the number of snapshot points if the function $A(p)$ admits an analytical extension. We further generalize our algorithm for computing largest or smallest singular values and relative singular vectors and to generalized eigenvalue problems. We conclude with numerical results showing the efficiency of our approach.

15. 用于复杂区域上拉回有限元方法的神经样条流微分同胚

Neural Spline Flow Diffeomorphisms for Pullback Finite Element Methods on Complex Domains

作者: Ioannis Kalogeris, Anaksagoras Spitas, Konstantinos Atzarakis, George Stavroulakis, Vissarion Papadopoulos

类别: math.NA

发布日期: 2026-10-13

arXiv ID: 2610.19092v1

链接: http://arxiv.org/abs/2610.19092v1

摘要: We propose a method for solving partial differential equations on complex domains by learning smooth, invertible mappings from a fixed reference domain using Neural Spline Flows (NSFs). Monotone rational-quadratic spline coupling layers ensure a strictly positive Jacobian determinant by construction, eliminating the need for Jacobian-sign penalties. A diffeomorphic pullback transfers the weak form of the PDE to the reference domain, enabling finite element analysis on reusable structured meshes. To generalize across shapes, a shared NSF is conditioned on low-dimensional latent codes learned through an auto-decoder framework; a subsequent encoder predicts these codes for unseen geometries in a single forward pass. For a given learned map, the pullback preserves the mathematical structure of the PDE and is exactly equivalent to solving on the domain represented by that map. Because the learned domain generally approximates the target geometry, geometric mapping error remains distinct from finite element discretization and quadrature errors. Numerical benchmarks show that sufficiently accurate learned mappings yield reliable finite element solutions. By avoiding repeated generation of unstructured meshes, the method addresses a bottleneck in simulation workflows. The fixed reference mesh also creates opportunities for efficient assembly, memory-aligned data access, and precomputed quadrature. The resulting framework assigns geometric complexity to the neural network while retaining conventional finite element discretization and convergence properties on the learned domain, with overall accuracy also governed by geometric fidelity.

16. 图粗化使计算受限的非凸 MAX-CUT 能够逃离局部最优

Graph Coarsening Enables Escaping Local Optima in Compute-Constrained Nonconvex MAX-CUT

作者: M. Harper Langston, Pierre-David Letourneau, Dalton Jones, Harris Teague, Peter Scott, Mingu Lee, Richard Lethin, Chris Lott, Roland Memisevic, Fatih Porikli

类别: cs.LG, cs.AI, cs.CL, math.NA, math.OC

发布日期: 2026-10-13

arXiv ID: 2610.19043v1

链接: http://arxiv.org/abs/2610.19043v1

摘要: Because its binary optimization landscape contains exponentially many local optima, MAX-CUT is highly sensitive to initialization. We study Particle Polynomial Relaxation (PPR), a moment-based nonconvex continuous reformulation possessing an advantageous optimization landscape. We warm-start PPR with Combinatorial Multigrid (CMG), a spectral graph-coarsening method that produces structure-aware initial solutions in near-linear time without training data. On \texttt{t2g20} ($n=400$), benchmark instance with known exact optimum, the combined CMG+PPR pipeline reaches $97.5\%$ of optimum on average and $98.4\%$ on the best run. An extended variant with discrete local-search refinement reaches the published optimum on all sixty Biq Mac instances evaluated by a recent neural branch-and-bound method. Using a sparse CSR representation, the same approach scales to G-set instances with up to $20{,}000$ vertices reducing memory requirements by up to $3333\times$ while maintaining a consistent improvement over the CMG warm start. Gains are largest on sparse weighted graphs; on dense graphs we complement the pipeline with spectral sparsification.

17. 具有小时滞的慢-快随机系统的指数稳定性

Exponential Stability of Slow–Fast Stochastic Systems with a Small Delay

作者: Yudong Wang, Kele Sun, Shijie Zhou, Xuerong Mao

类别: math.NA

发布日期: 2026-10-13

arXiv ID: 2610.19008v1

链接: http://arxiv.org/abs/2610.19008v1

摘要: In this paper, we investigate the exponential stability of coupled slow–fast stochastic systems with a small delay. Under an averaged Lyapunov condition, we establish practical $p$th-moment exponential stability for $0