Fast hierarchical solvers for sparse matrices using extended sparsification and low-rank approximation
用标准的直接求解方案求稀疏矩阵的逆是鲁棒的,但是计算昂贵。另一方面,迭代求解器表现出更好的可扩展性;但是,需要与适当的预处理器一起使用(例如,ILU、AMG、Gauss-Seidel等)为了正确的收敛。有效预条件子的选择是高度依赖于问题的。提出了一种新的全代数稀疏矩阵求解算法,该算法的复杂度与问题规模成线性关系。我们的方案是基于高斯消元法。对于一个给定的矩阵,我们近似的LU分解与先验确定的可调精度。该方法可以作为一个独立的直接求解器,具有线性复杂度和可调精度,或者它可以作为一个黑盒预处理器与迭代法,如GMRES。建议的求解器是基于低秩近似的消除过程中产生的填充。类似于H矩阵,对应于邻接图中良好分离的块的填充通过分层结构来表示。算法的线性复杂度是有保证的,如果块对应于良好分离的变量集群是数值低秩。
2016-12-15 cs.DS cs.NA math.NA
Prestructuring sparse matrices with dense rows and columns via null space methods
College of Charleston(查尔斯顿学院)
本文提出通过空空间方法预处理稀疏矩阵,以消除密集行和列,从而提升直接求解器性能。
2015-08-25 cs.NA math.NA
H2-MG: A multigrid method for hierarchical rank structured matrices
本文提出H2-MG算法,将H2矩阵逼近与多重网格方法结合,用于高效求解含核矩阵的大型系统,兼具时间和内存效率及快速收敛性,并验证了其线性复杂度和有效性。
2025-09-11 cs.NA math.NA
High-Performance Solvers for Dense Hermitian Eigenproblems
Aachen Institute for advanced study in Computational Engineering Science, RWTH Aachen University(亚琛高等计算工程科学研究所,亚琛工业大学)
提出基于多重相对鲁棒表示算法的可扩展三对角求解器PMRRR,并集成到Elemental库中,通过MPI和SMP混合并行,在超算上测试表明其性能优于ScaLAPACK。
2012-09-26 cs.MS cs.NA math.NA
A Superfast Direct Solver for 2D Type-II Inverse Nonuniform Discrete Fourier Transform Based on Hierarchically Semiseparable Matrices
School of Mathematical Sciences, Fudan University(复旦大学数学科学学院);Shanghai Key Laboratory for Contemporary Applied Mathematics, Fudan University(复旦大学当代应用数学上海市重点实验室)
提出将二维II型非均匀离散傅里叶变换矩阵分解为核矩阵与DFT矩阵的乘积,利用分层半可分离近似实现直接求逆,离线复杂度O(M+N^{3/2}log^3 N),在线复杂度O(M+N log^3 N),并可作为迭代法预条件子。
2026-09-15 cs.NA math.NA
A low-rank solver for conforming multipatch Isogeometric Analysis
针对线弹性模型的多片等几何分析问题,提出基于Tucker低秩逼近的重叠Schwarz预条件求解器,兼具内存优势和迭代次数一致有界的特性。
2024-12-15 cs.NA math.NA
Approximating inverse FEM matrices on non-uniform meshes with $\mathcal{H}$-matrices
本文研究在非均匀网格上以$\mathcal{H}$-矩阵格式逼近有限元刚度矩阵的逆,证明其逼近速率随块秩呈指数增长,且存储复杂度为对数线性,从而获得可用作直接求解器或预条件子的高效方法。
2020-05-12 cs.NA math.NA
On the singular values of matrices with high displacement rank
Cornell University(康奈尔大学)
本文提出基于ADI的低秩求解器,针对具有快速衰减奇异值的矩阵方程,提供新的理论和实用收益,包括高位移秩矩阵类的奇异值界推导、高秩右端项的Lyapunov和Sylvester方程求解算法,以及实现谱精度的低秩Poisson求解器。
2018-01-11 cs.NA math.NA
An Efficient Parallel Solver for SDD Linear Systems
M.I.T.(麻省理工学院);Yale University(耶鲁大学)
本文提出了一种高效的并行算法,用于在对称半正定矩阵中求解线性方程组,时间复杂度为多项对数,工作量近线性。核心是构造稀疏近似反链,其乘积近似于原矩阵的逆。
2013-11-13 cs.DS cs.NA math.NA
A matrix-theoretic spectral analysis of incompressible Navier-Stokes staggered DG approximation and related solvers
采用交错网格间断Galerkin方法求解了不可压Navier-斯托克斯方程。研究了所得到的线性系的结构和相关系数矩阵的谱特征。事实上,得到的矩阵是块类型的,每个块同时显示Toeplitz样,带和张量结构。利用这一丰富的矩阵理论信息和Toeplitz,广义局部Toeplitz技术,一个相当完整的谱分析,设计和分析相关的大型线性系的快速迭代求解器的目标。相当有前途的数值结果,评论,并严格讨论细长的二维和三维几何形状。
2021-03-22 cs.NA math.NA
Compression Properties for large Toeplitz-like matrices
本文利用位移结构彻底解释了大型类Toeplitz矩阵的压缩性质,为HSS等分层低秩近似中的重要子矩阵提供了数值秩显式界限,并提出了高效的自适应超快速秩结构求解器压缩策略。
2025-06-25 cs.NA math.NA
Efficient Variational Quantum Linear Solver for Structured Sparse Matrices
提出一种基于替代基和酉补全的高效VQLS方法,解决结构化稀疏矩阵求解中LCU项随矩阵规模二次增长的问题,使张量积项呈对数增长,并设计了高效量子电路。
2024-04-25 cs.NA math.NA quant-ph
The inverse fast multipole method: using a fast approximate direct solver as a preconditioner for dense linear systems
虽然一些预条件子可用于求解稠密线性系,但仍有许多矩阵缺少预条件子,特别是在矩阵$N$的大小变得非常大的情况下。因此,仍然非常需要开发其成本与矩阵大小$N$成比例的通用预处理器。本文对稠密矩阵提出了一个具有广泛适用性和代价的预条件子$\mathcal{O}(N)$,当矩阵由光滑核给出时。使用相同的框架将该方法扩展到一般的$\mathcal{H}^2$ -矩阵是相对简单的。这些预处理器具有受控的精度(如果需要,可以实现机器精度),并与$N$成线性比例。它们是基于系统的近似直接解。该算法的线性缩放是通过两个关键思想实现的。首先,利用稠密矩阵的$\mathcal{H}^2$ -结构获得扩展的稀疏方程组。其次,填充时产生的消除被压缩为低秩矩阵,如果它们对应于良好分离的相互作用。这确保了在整个消除过程中保持扩展稀疏矩阵的稀疏模式,因此导致了具有$\mathcal{O}(N \log(1/\varepsilon)^2 )$计算成本和$\mathcal{O}(N \log 1/\varepsilon )$存储器要求的非常有效的算法,用于误差容限$0 < \varepsilon < 1$。解算器是不精确的,尽管误差可以控制并根据需要尽可能小。这些解算器与ILU相关,因为填充是受控的。然而,在ILU中,大部分填充都被简单地丢弃,而在这里,它是使用低秩块来近似的,具有规定的容差。数值例子进行了讨论,以证…
2016-02-04 cs.NA math.NA
A fast direct solver based neural network for solving PDEs
Department of Computer Science & Engineering, International Institute of Information Technology Bangalore (IIIT-B), India(计算机科学与工程系,国际信息学院班加罗尔(IIIT-B),印度);Department of Data Science and Artificial Intelligence, International Institute of Information Technology Bangalore (IIIT-B), India(数据科学与人工智能系,国际信息学院班加罗尔(IIIT-B),印度)
提出一种学习HODLR矩阵逆运算的神经网络,并扩展为非线性PDE求解算子,实验表明在多种PDE上高效且泛化良好。
2026-06-19 cs.LG cs.NA math.NA
A fast direct solver for network matrices
Dept. of Applied Mathematics, University of Colorado at Boulder(科罗拉多大学博尔德分校应用数学系)
提出一种针对二维椭圆偏微分方程离散化产生的大规模稀疏线性系统的快速直接求逆方案,在均匀正方形网格上达到O(N log^2 N)运算和O(N log N)存储,数值示例显示可在四分钟内求解百万阶矩阵。
2007-06-29 cs.NA math.NA
Stochastic Preconditioning for Iterative Linear Equation Solvers
针对对称对角占优M矩阵,提出基于随机游走的不完全LDL分解作为预处理子,证明其比传统不完全分解方法具有更好的精度-规模权衡,从而减少预处理共轭梯度法的计算量。
2006-09-24 cs.NA math.NA math.PR
An O(N) Direct Solver for Integral Equations on the Plane
Courant Institute of Mathematical Sciences, New York University(纽约大学柯朗数学科学研究所);Department of Applied Mathematics, University of Colorado at Boulder(科罗拉多大学博尔德分校应用数学系)
提出一种基于分层压缩和额外压缩层次的直接求解器,实现平面体积积分方程O(N)复杂度求解,并支持高达10^7未知数的高精度计算。
2013-05-14 cs.NA math.NA
Iterative Calculation of Characteristic Modes Using Arbitrary Full-wave Solvers
本文提出一种基于迭代激励隐式评估散射响应的特征模迭代计算方法,无需显式系统矩阵,可与FDTD、FEM、MLFMA等无矩阵全波求解器兼容,相比直接构造转换矩阵或散射并矢显著加速,适用于任意形状和材料分布障碍物的特征模分解。
2022-08-31 cs.NA math.NA physics.comp-ph
Optimal Solvers for Linear Systems with Fractional Powers of Sparse SPD Matrices
Institute of Information and Communication Technologies, Bulgarian Academy of Sciences(保加利亚科学院信息与通信技术研究所以);Institute of Mathematics and Informatics, Bulgarian Academy of Sciences(保加利亚科学院数学与计算机科学研究所)
本文提出基于最佳均匀有理逼近的高效算法,用于求解分数次方线性系统,通过数值实验验证了算法效率。
2018-03-01 cs.NA math.NA
An exact solver for simple ${\mathcal H}$-matrix systems
本文提出一种在O(n log²n)操作内精确求解简单H矩阵系统的方法,通过避免计算逆矩阵,利用Sherman-Morrison-Woodbury方程进行低秩更新来高效表示LU分解。
2014-02-21 cs.NA math.NA
Hybrid-Precision Block-Jacobi Preconditioned GMRES Solver for Linear System in Circuit Simulation
针对电路仿真中大规模稀疏线性系统,提出混合精度块-Jacobi预条件GMRES求解器,利用结构稀疏性并采用单双精度混合策略,实验表明在预条件和运行时间上优于SuperLU、KLU和SFLU。
2026-10-06 cs.NA math.NA
Low-Rank SPIKE Framework for Solving Large Sparse Linear Systems with Applications
针对大型稀疏线性系统求解问题,提出基于低秩SVD近似非对角块的LR-SPIKE变体框架,可作为黑箱预条件子或近似直接求解器,在SuiteSparse矩阵(含3D有限元矩阵)上验证了有效性,与FEAST配对显著减少迭代次数。
2025-04-15 cs.MS cs.NA math.NA
Inexact Gauss Seidel and Coarse Solvers for AMG and s-step CG
Lehigh University(利哈伊大学);Institute for Applied Computing of the National Research Council of Italy(意大利国家研究委员会应用计算研究所)
本文提出了一种基于FGS的低同步方法,用于避免通信的Krylov方法,通过利用Chebyshev基生成的Gram矩阵结构,提升AMG和s-step CG的求解效率。
2025-12-10 cs.NA math.NA
Quantum linear system solver based on time-optimal adiabatic quantum computing and quantum approximate optimization algorithm
我们证明了,与优化调整的调度功能,绝热量子计算(AQC)可以很容易地解决量子线性系统问题(QLSP)与$\mathcal{O}(κ~\text{poly}(\log(κ/ε)))$运行时,其中$κ$是条件数,和$ε$是目标精度。这对于$κ$和$ε$两者来说都是接近最优的。我们的方法适用于一般的非厄米矩阵,并且当限制为厄米矩阵,进而限制为厄米正定矩阵时,可以减少量子比特的数量和代价.时间最优AQC的成功意味着具有最优控制协议的量子近似优化算法(QAOA)也可以在运行时间方面实现相同的复杂性。数值结果表明,QAOA可以产生最低的运行时间相比,时间最优的AQC,香草AQC,和最近提出的随机化方法。
2022-03-09 cs.NA math.NA quant-ph
Low-Synch Gram-Schmidt with Delayed Reorthogonalization for Krylov Solvers
Krylov迭代法的并行强标度在很大程度上取决于每次迭代所需的全局约简的数量。GMRES和Krylov-Schur算法采用Arnoldi算法来处理非对称矩阵。底层的正交化方案是左视的,一次处理一列。因此,每次迭代至少需要一次全局约简。用于生成Krylov-Schur算法的正交Krylov基向量的传统算法是经典的Gram Schmidt应用两次再正交化(CGS 2),每步需要三次全局约简。CGS 2的一个新的变种,只需要一个减少每次迭代应用到Arnoldi-QR迭代。给出了求非对称矩阵特征值对的强标度结果。Hernandez等人提出了一个初步的尝试,以获得一个类似的算法(一个减少每个Arnoldi迭代与一个强大的正交化计划)。(2007年)。与我们的方法不同,他们的方法对特征值不是前向稳定的。
2021-05-15 cs.NA math.NA
The Akhiezer iteration and inverse-free solvers for Sylvester matrix equations
本文提出两种基于 Akhiezer 迭代的无逆求解器,用于求解系数矩阵谱位于不相交子区间的 Sylvester 矩阵方程,具有可证明的几何收敛速度,且在处理低秩右端及稠密系数矩阵时更高效省存储。
2025-07-14 cs.NA math.NA
ILU Preconditioning Based on the FAPINV Algorithm
University of Mohaghegh Ardabili(莫哈杰·阿尔达比利大学);Sabzevar Tarbiat Moallem University(萨布泽瓦尔塔里亚特穆阿莱姆大学);Imam Khomeini International University(伊玛目霍梅尼国际大学)
提出基于FAPINV算法的ILU预条件技术,证明其对H-矩阵良定义,并与GMRES等Krylov子空间迭代求解器结合实现可靠求解,数值实验验证了效率。
2010-10-14 cs.NA math.NA
A parallel solver for a preconditioned space-time boundary element method for the heat equation
Graz University of Technology(格拉茨工业大学);Institute of Applied Mathematics, Graz University of Technology(格拉茨工业大学应用数学研究所);VŠB – Technical University of Ostrava(俄斯特拉发理工大学);IT4Innovations, VŠB – Technical University of Ostrava(俄斯特拉发理工大学IT4创新研究院);Department of Applied Mathematics, VŠB – Technical University of Ostrava(俄斯特拉发理工大学应用数学系)
本文提出了一种并行求解器,用于求解空间二维热方程的预条件空间-时间边界积分方程,通过将输入网格分解为子网格,并将对应的系统矩阵块分配给处理器,以实现负载平衡,同时采用高效的预条件器策略来提高求解效率。
2018-11-13 cs.NA math.NA
A sparse approximate inverse for triangular matrices based on Jacobi iteration
本文提出了一种简单的三角形矩阵稀疏近似逆(SAIT)。利用Jacobi迭代法,得到了三角形矩阵的精确逆的表达式,它是一个有限级数。SAIT是基于这个系列构建的。我们将SAIT矩阵应用于带ILU预条件的迭代法。ILU预处理过程中的两个三角形求解器被两个矩阵向量乘法所取代,这可以被细粒度并行化。我们用预条件迭代法求解一些线性系和本征值问题来检验这种方法。
2021-11-18 cs.NA math.NA
Block-encoding dense and full-rank kernels using hierarchical matrices: applications in quantum numerical linear algebra
数值线性代数的许多量子算法假设黑盒访问感兴趣矩阵的块编码,这在矩阵不稀疏时是一个强假设。核矩阵是核函数$k(x,x')$离散化的结果,在数学和工程中有着广泛的应用。他们通常是密集和全秩。经典的快速多极子方法是利用层次矩阵的线性代数框架,在时间上几乎线性地对$N$维的核矩阵进行矩阵乘法运算,即在$N$维上进行矩阵乘法运算。鉴于这一成功,我们提出了量子计算机上的分层矩阵结构的块编码方案。当应用于多个物理核矩阵时,我们的方法可以将求解$N$维量子线性系统的时间提高到$O(κ\operatorname{polylog}(\frac{N}{\varepsilon}))$维,其中$κ$和$\varepsilon$是矩阵运算的条件数和误差界.这个运行时间是接近最优的,并且在$N$方面,在密集和满秩核矩阵的情况下,指数地改进了先前的量子线性系统算法。我们讨论了我们的方法在求解积分方程和加速计算N体问题的可能应用。
2022-12-07 cs.NA math.NA quant-ph
Effective Stiffness: Generalizing Effective Resistance Sampling to Finite Element Matrices
IBM T.J. Watson Research Center(IBM T.J. 沃森研究中心);Tel Aviv University(特拉维夫大学)
本文定义有效刚度概念,并证明基于有效刚度概率采样O(n log n)个元素可构建稀疏化器,用于生成高质量预条件子以快速求解有限元线性系统,将有效电阻方法推广至有限元矩阵。
2014-01-27 cs.DS cs.NA math.NA
An adaptive fast solver for a general class of positive definite matrices via energy decomposition
本文提出了一种自适应快速求解器,用于求解一般对称正定矩阵类,包括著名的图拉普拉斯矩阵。通过开发自适应算子压缩方案和多分辨率矩阵分解算法,实现复杂度和适定性接近最优的性能。
2018-03-03 cs.NA math.NA math.SP
Randomized methods for computing joint eigenvalues, with applications to multiparameter eigenvalue problems and root finding
针对近可交换矩阵族的联合特征值数值计算问题,提出基于矩阵随机线性组合特征向量的Rayleigh商随机计算方法,可准确求解半单联合特征值并提升多参数特征值等问题求解器性能。
2024-08-31 cs.NA math.NA
Fast Poisson solvers for spectral methods
School of Engineering and Applied Sciences, Harvard University(哈佛大学生物工程与应用科学学院);Department of Mathematics, Cornell University(康奈尔大学数学系)
本文提出高效的谱方法求解泊松方程,实现最优复杂度,适用于方形、圆柱体、实心球体和立方体等几何形状,可在标准笔记本电脑上快速处理百万级自由度。
2017-10-30 cs.NA math.NA
An $N \log N$ Parallel Fast Direct Solver for Kernel Matrices
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出一种 $O(dN\log N)$ 的并行算法,用于近似求解正则化核矩阵的分解,从而在 $O(N\log N)$ 工作量内求解线性系统,无需全局低秩近似。
2017-01-09 cs.DC cs.NA math.NA
Linear solvers for power grid optimization problems: a review of GPU-accelerated linear solvers
本文针对电网优化中极度病态的稀疏对称不定线性方程组,评估了五个著名直接线性求解器包,发现各包求解精度差异大且均未实现显著的GPU加速。
2021-08-13 cs.MS cs.NA math.NA
Graph-Induced Rank Structures and their Representations
提出了一个新的框架来研究二维和三维椭圆算子离散化产生的秩结构矩阵。特别是,我们引入了一个图诱导的秩结构(GIRS)的概念,其目的是捕捉精细的低秩结构,出现在稀疏矩阵及其逆的邻接图$\mathbb{G}$。我们证明了GIRS性质在逆下是不变的,因此任何GIRS矩阵的逆的有效表示都将导致有效的求解器。从观察到序列半可分矩阵(SSS)是表示线图上GIRS矩阵的一个很好的候选矩阵开始,我们提出了SSS矩阵到任意图的两种扩展:Dewilde-van der Veen(DV)表示和$\mathbb{G}$ -半可分($\mathbb{G}$ -SS)表示.结果表明,这两种表示来自然配备快速求解器的解决复杂性是相称的快速稀疏高斯消去法图$\mathbb{G}$,和$\mathbb{G}$ -SS表示有一个线性时间乘法算法。我们表明,这些表示的建设是高度非平凡的,通过确定最小的$\mathbb{G}$ -SS表示的循环图$\mathbb{G}$。为了获得一个最小的表示,我们解决了一个异国情调的变种低秩完成问题。
2021-06-26 cs.NA math.NA
A study of concurrent multi-frontal solvers for modern massively parallel architectures
该研究利用迹理论探究大型线性方程组多波前直接求解器的并行化,提出近最优调度方法并严格验证,还基于有限元法矩阵在GPU、CPU平台测试评估性能。
2023-06-15 cs.NA math.NA
$O(N)$ distributed direct factorization of structured dense matrices using runtime systems
本文将异步运行时系统 PaRSEC 用于 HSS-ULV 结构化稠密矩阵直接分解,解决层级合并的并行难题,并在 Fugaku 上相对 STRUMPACK 与 LORAPO 取得最高 2 倍加速且精度相当或更优。
2023-11-02 cs.MS cs.NA math.NA
A Direct Elliptic Solver Based on Hierarchically Low-rank Schur Complements
King Abdullah University of Science and Technology(阿卜杜拉国王科技大学)
本文提出一种并行快速直接求解器,针对可压缩块三对角线性系统,通过循环缩减与分层矩阵运算的协同,实现O(N log²N)的计算复杂度和O(N logN)的内存占用,验证了其在Hierarchical Matrices基础上的性能与适用性。
2016-04-03 cs.NA math.NA
A fast Solver for Pentadiagonal Toeplitz Systems
本文利用五对角Toeplitz矩阵结构,将原方程组转化为上三角方程组求解,提出比LU、PLU及高斯消元更简单快速的新算法,并通过比较和数值测试验证其有效性。
2024-05-08 cs.NA math.NA
Algebraic Inverse Fast Multipole Method: A fast direct solver that is better than HODLR based fast direct solver
Indian Institute of Technology Madras(印度马德拉斯理工学院)
本文提出了一种代数逆快速多极方法(AIFMM)用于解决N体问题中的线性系统。该方法通过低秩矩阵表示子块、构造扩展稀疏线性系统,并利用低秩矩阵重定向填充以提高效率。
2023-01-30 cs.NA math.NA
Subspace embedding with random Khatri-Rao products and its application to eigensolvers
本研究提出将随机Khatri-Rao乘积用于特征值求解器,证明了其新的子空间嵌入性质,并通过实验验证了其在Kronecker结构特征问题中的算法优势与适用场景。
2024-05-20 cs.NA math.NA
Isogeometric analysis for 2D and 3D curl-div problems: Spectral symbols and fast iterative solvers
Max-Planck Institut für Plasmaphysik(马克斯·普朗克等离子体物理研究所);University of Rome “Tor Vergata”(罗马托维加塔大学);Technische Universität München(慕尼黑工业大学);University of Insubria(因苏布里亚大学);Uppsala University(乌普萨拉大学)
本文研究了2D和3D旋-散问题的等几何分析方法,通过谱分析和快速迭代求解器解决系数矩阵的病态问题,提高了求解效率。
2018-05-25 cs.NA math.NA
Recursive sparse LU decomposition based on nested dissection and low rank approximations
针对线性偏微分方程离散化产生的大型稀疏矩阵,提出基于嵌套剖分和低秩近似的递归稀疏LU分解方法,通过分层稀疏化稠密块并引入混合算法提取低秩结构,实现了复杂度为 $Ø(N)$ 的快速直接求解器。
2024-08-26 cs.NA math.NA
Revisiting Asynchronous Linear Solvers: Provable Convergence Rate Through Randomization
自Chazan和Miranker在1969年关于混沌松弛的开创性论文以来,人们一直在研究求解线性方程组的异步方法。异步方法的基本思想是通过允许处理器继续取得进展来避免处理器空闲时间,即使不是其他处理器取得的所有进展都被传达给它们。从历史上看,异步方法求解线性方程组的适用性仅限于某些受限的矩阵类,如对角占优矩阵。此外,这些方法的分析集中在证明收敛的极限。异步收敛速度与同步收敛速度的比较以及异步收敛速度与处理器数量的关系很少被研究,至今仍没有得到很好的理解。本文提出了一般对称正定矩阵的一种随机共享内存异步算法。我们严格分析的收敛速度,并证明它是线性的,是接近的方法的同步对应,如果处理器计数是不是过度相对于矩阵的大小和稀疏性。我们还提出了一个算法,非对称系统和超定最小二乘。我们的工作提出了一个显着的改进,异步线性求解器的适用性,以及在其收敛性分析,并建议随机化作为一个关键的范例,作为异步方法的基础。
2015-07-14 cs.DC cs.DS cs.NA
Inv-ASKIT: A Parallel Fast Diret Solver for Kernel Matrices
The University of Texas at Austin(德克萨斯大学奥斯汀分校);Institute for Computational Engineering and Science(计算工程与科学研究所)
本文提出Inv-ASKIT方法,通过并行计算快速求解大规模核矩阵的近似因子分解,提升计算效率与可扩展性。
2016-02-03 cs.DS cs.MS cs.NA
Improved Scaling for Quantum Monte Carlo on Insulators
Virginia Tech(弗吉尼亚理工大学);University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Princeton University(普林斯顿大学);National Center for Supercomputing Applications(国家超级计算应用中心)
针对绝缘体变分蒙特卡洛方法中行列式比计算成本高的问题,本文通过预条件迭代求解器将缩放从O(n^3)降低到约O(n^2),并实验验证了无统计误差增加。
2011-05-07 cond-mat.str-el cs.NA math.NA
Graph Neural Multilevel Preconditioners for Iterative Solvers
University of Minnesota(明尼苏达大学);Lawrence Livermore National Laboratory(劳伦斯利弗莫尔国家实验室)
本研究针对大型稀疏线性系统求解问题,提出图神经多重网格预条件子(GMP),在800余个稀疏矩阵基准上验证其性能,明确该方法的收敛提升潜力与开销局限。
2026-07-31 cs.LG cs.NA math.NA
Geometry-Oblivious FMM for Compressing Dense SPD Matrices
The University of Texas at Austin(德克萨斯大学奥斯汀分校);Institute for Computational Engineering and Sciences(计算工程与科学研究所)
本文提出GOFMM,一种用于密集对称正定矩阵的分层低秩近似压缩方法,实现N log N或N时间的近似矩阵向量乘法,无需几何信息。
2017-07-01 cs.MS cs.NA math.NA
An efficient solver based on low-rank approximation and Neumann matrix series for unsteady diffusion-type partial differential equations with random coefficients
School of Mathematics and Statistics, Huazhong University of Science and Technology(华中科技大学数学与统计学院);Hubei Key Laboratory of Engineering Modeling and Scientific Computing, Huazhong University of Science and Technology(华中科技大学工程建模与科学计算湖北省重点实验室)
本文提出基于低秩近似和Neumann矩阵级数的高效求解器,用于解决具有随机系数的非稳态扩散型偏微分方程,通过降低计算复杂度提升求解效率。
2026-01-16 cs.NA math.AP math.NA
No 3D Matrices: A Unified Tensor-Product View of Matrix-Free Cartesian PDE Solvers
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文揭示笛卡尔3D PDE求解器中所有操作均沿坐标轴分解为一维带状核,无需组装3D矩阵,并推导Kronecker积代数、总结三种生产技巧以实现高效计算。
2026-06-25 cs.CE cs.NA math.NA
Fast Direct Solvers
University of Texas at Austin(德克萨斯大学奥斯汀分校);Courant Institute, New York University(纽约大学库朗数学科学研究所)
本综述介绍快速直接求解器这一类方法,其解决椭圆型PDE或积分方程离散化产生的线性方程组问题,利用矩阵逆近似或因式分解,在线性/近线性时间求解,为稀疏和稠密情况提供统一背景及方法选择指导。
2025-11-11 cs.NA math.AP math.NA
Sparse inverse Cholesky factorization of dense kernel matrices by greedy conditional selection
本文提出以条件互信息贪心选择构造稠密核矩阵稀疏逆 Cholesky 因子的模式,降低复杂度并在分解、GP 回归和预条件中优于 k-近邻。
2025-05-09 cs.NA math.NA stat.CO