The Fast and Free Memory Method for the efficient computation of convolution kernels
本文介绍了一种新的计算卷积积的快速方法--快速自由存储法(FFM)。FFM继承了快速多极子方法,是一种仅下降且与核无关的算法。我们给出了完整的算法和相关的复杂性分析。虽然密集矩阵通常出现在这样的计算中,但线性存储复杂性和准线性计算复杂性使得能够评估具有高达十亿个条目的卷积产品。我们展示了我们如何能够解决复杂的散射问题,使用边界积分方程与数以百万计的未知数。我们的实现在Gypsilab框架内根据GPL 3.0许可证免费提供。
2019-09-12 cs.NA math.NA
IAS15: A fast, adaptive, high-order integrator for gravitational dynamics, accurate to machine precision over a billion orbits
University of Toronto(多伦多大学);Institute for Advanced Study, Princeton(普林斯顿高等研究院)
IAS15是一种15阶积分器,通过高斯-拉达乌积分法实现高精度引力模拟,具有自适应步长控制,能处理近距相遇和高偏心率轨道,其系统误差低于机器精度,优于其他积分器,在速度和精度上表现更优。
2014-10-15 astro-ph.EP astro-ph.IM astro-ph.SR
Fast Neural Network based Solving of Partial Differential Equations
Monumo Ltd(Monumo有限公司)
我们提出了一种使用神经网络(NN)求解一类偏微分方程(PDE)的新方法。我们的方法建立在神经辐射场研究(NeRFs)的最新进展,并允许NN收敛到PDE解决方案比经典的物理信息神经网络(PINNs)方法快得多。
2022-05-27 cs.LG cs.NA math.NA
Fast and Green Computing with Graphics Processing Units for solving Sparse Linear Systems
在本文中,我们的目的是介绍一个新的角度时,比较GPU上的高度并行化算法:GPU的能耗。我们给出了线性代数运算的性能分析,包括向量的向量的加法,逐元素积,点积和稀疏矩阵-向量积,以验证我们的实验协议。我们还分析了它们在共轭梯度法中的应用,并在图形处理器(GPU)上求解了重力方程。尖点库被认为是我们自己的实现与一组真正的矩阵,从希克苏鲁伯陨石坑和重力方程的有限元离散化获得。实验证明了我们的实现在能源效率方面的性能和鲁棒性。
2021-12-20 cs.NA math.NA
Random Greedy Fast Block Kaczmarz Method for Solving Large-Scale Nonlinear Systems
针对大规模非线性系统求解,提出随机贪婪快速块Kaczmarz方法,通过融合随机与贪婪策略并避免Jacobian子矩阵伪逆计算,在期望下实现线性收敛,显著提升了求解效率与鲁棒性。
2025-08-13 cs.NA math.NA
Equispaced Fourier representations for efficient Gaussian process regression from a billion data points
提出一种基于等距傅里叶网格的快速高斯过程回归算法,利用Toeplitz结构和FFT降低计算复杂度,在十亿数据点上实现高效高精度求解。
2023-05-18 cs.NA math.NA stat.CO
Efficient and fast predictor-corrector method for solving nonlinear fractional differential equations with non-singular kernel
针对非线性Caputo-Fabrizio分数阶微分方程,提出了一种快速有效的预估校正法,其中Caputo-Fabrizio算子是一种新提出的具有光滑核的分数阶导数.所提出的方法实现了统一的精度顺序与二阶计划的线性插值和三阶计划的二次插值。利用离散的Gronwall不等式证明了算法的收敛性。此外,应用记忆项的递归关系,它减少了所提出的方法执行的CPU时间。所提出的快速算法需要近似的$O(N)$算术运算,而在常规预测校正方案的情况下需要$O(N^2)$,其中$N$是时间步的总数。以下数值例子证明了所提出的方法的精度以及效率;非线性分数阶微分方程,时间分数阶子扩散,时间分数阶对流-扩散方程。数值实验也验证了理论上的收敛速度。
2020-10-06 cs.NA math.NA
A fast parallel algorithm for solving block-tridiagonal systems of linear equations including the domain decomposition method
Institute of Computational Mathematics and Mathematical Geophysics(计算数学与数学地球物理研究所);Novosibirsk State University(新西伯利亚国立大学)
本文提出一种新的并行算法,用于求解具有相同块三对角矩阵但不同右端项的线性代数方程组,该算法是并行二分法在块三对角情形下的推广,并基于此实现了区域分解方法(Schur补方法)的并行化,在数千处理器上获得近线性加速比。
2013-04-03 cs.NA math.NA
FastLSQ: Solving PDEs in One Shot via Fourier Features with Exact Analytical Derivatives
Lawrence Berkeley National Laboratory(伯克利国家实验室)
FastLSQ利用三角随机傅里叶特征和精确解析导数,高效求解偏微分方程及反问题,实现线性问题一次最小二乘调用,非线性问题通过牛顿-拉夫森法重用解析装配,性能显著优于迭代PINNs。
2026-03-22 cs.LG cs.NA math.NA
A fast implicit difference scheme for solving the generalized time-space fractional diffusion equations with variable coefficients
本文首先提出了求解变系数广义时空分数阶扩散方程(GTSFDEs)的一个无条件稳定的隐式差分格式。数值格式在时间离散上采用广义Caputo分数阶导数的$L1$型公式,在空间离散上采用二阶加权移位Grünwald差分(WSGD)公式。理论结果和数值试验分别验证了$(2 - γ)$ -阶和2-阶时空收敛性与$γ\in(0,1)$ Caputo分数阶导数的一致性。为了加速隐式差分格式的收敛速度,本文还发展了广义Caputo分数阶导数和Toeplitz类系数矩阵的快速指数逼近和逼近.数值实验表明了所提出的数值格式的有效性及其在大规模模拟GTSFDEs方面的良好潜力。
2020-03-31 cs.NA math.NA
A Fast Fourier-Galerkin Method for Solving Boundary Integral Equations on Torus-Shaped Surfaces
针对环面形曲面上的边界积分方程,提出利用矩阵元素衰减模式进行稀疏截断的快速 Fourier-Galerkin 方法,实现 $\mathcal{O}(N\ln^2 N)$ 非零元、拟最优收敛与稳定性。
2024-10-08 cs.NA math.NA
Double fast algorithm for solving time-space fractional diffusion problems with spectral fractional Laplacian
针对含谱分数阶拉普拉斯算子的高维时空分数阶扩散问题,提出结合空间半离散格式与快速时间步进L1格式的双快速算法,证明其稳定性与最优时间收敛阶,并通过数值算例验证有效性。
2024-04-15 cs.NA math.NA
A periodic FM-BEM for solving the acoustic transmission problems in periodic media
本文提出了一种求解二维周期性介质中声传播问题的快速多极边界元法。我们将周期介质划分为许多基本块,然后在基本块中构造边界积分方程。针对正方形和六边形周期系统提出了快速多极子算法,并分析了算法的收敛性。然后,我们将所提出的方法应用到液体声子晶体的声学传输问题,并推导出声子晶体的声学带隙。通过与平面波展开法计算结果的比较,说明本文方法是有效的,也是准确的。
2019-10-24 cs.NA math.NA
A Fast, Spectrally Accurate Homotopy Based Numerical Method For Solving Nonlinear Differential Equations
Monash University(莫纳什大学)
本文提出了一种快速、谱准确的基于同调的数值方法,用于求解一维非线性、变系数边值问题,通过将非线性微分方程分解为一系列可由稀疏、谱准确的Gegenbauer离散化方法求解的线性微分方程,从而实现高效计算。
2018-11-01 cs.NA math.NA
A Fast Solver for Tridiagonal Toeplitz Systems with Multiple Right-Hand Sides
本文提出一种求解多右端项三对角Toeplitz方程组的新方法,旨在提升计算效率。
2024-06-10 cs.NA math.NA
A fast algorithm for solving a three-dimensional inverse multiple frequency problems of scalar acoustics in a cylindrical region
本文提出了一种求解圆柱形区域内非均匀介质声测深三维标量反问题稳定解的新算法。问题的数据是波场的复振幅,在圆柱形层中的声学不均匀性区域之外测量。利用傅里叶变换和傅里叶级数,将反问题归结为求解一组一维第一类弗雷德霍姆积分方程,进而计算非均匀区域波场的复振幅,进而求出该区域所需的声速场。该算法允许在个人计算机上的平均性能足够精细的三维网格在几十秒内解决反问题。数值研究的精度所提出的算法求解模型反问题在不同的频率进行,和数据扰动的算法的稳定性问题进行了研究。
2021-02-11 cs.CE cs.NA math.NA
Efficient Accelerated Coordinate Descent Methods and Faster Algorithms for Solving Linear Systems
MIT(麻省理工学院)
本文提出一种高效的加速坐标下降方法,通过改进Nesterov的方法,提升多种算法的收敛速度,并在不同情况下实现更快的线性系统求解。
2013-05-08 cs.DS cs.NA math.NA
Solving Sparse Linear Systems Faster than Matrix Multiplication
线性方程组能比矩阵乘法更快求解吗?虽然对于图结构线性系统的特殊情况已经有了显著的进展,但是在一般设置中,求解$n \times n$线性系统$Ax=b$的位复杂度是$\tilde{O}(n^ω)$,其中$ω< 2.372864$是矩阵乘法指数。即使对于具有多$(n)$条件数的稀疏线性系统,改进这一点也是一个开放的问题。在本文中,我们提出了一个算法,解决稀疏矩阵的线性系统渐近快于矩阵乘法的任何$ω> 2$。这种加速适用于具有$o(n^{ω-1}/\log(κ(A)))$非零的任何输入矩阵$A$,其中$κ(A)$是$A$的条件数。对于具有$\tilde{O}(n)$非零值的多$(n)$条件矩阵,以及$ω$的当前值,我们的算法在任何$1/\text{poly}(n)$误差内求解的位复杂度为$O(n^{2.331645})$。我们的算法可以被看作是一个有效的,随机执行块Krylov方法通过递归低位移秩分解。它的灵感来自于[Eberly et al. ISSAC `06 `07]的算法,用于有限域上的逆矩阵。在我们的数值稳定性分析中,我们发展了矩阵反集中技术来限制半随机矩阵的最小特征值和特征值中的最小间隙。
2021-01-07 cs.DS cs.NA math.NA
A fast algorithm for semi-analytically solving the homogenization boundary value problem for block locally-isotropic heterogeneous media
由于解决精细尺度非均匀性的计算成本,通过非均匀介质扩散的直接数值模拟可能是困难的。克服这一困难的一种方法是通过用从适当的边值问题的解计算的有效扩散率替换空间变化的精细尺度扩散率来使模型均匀化。在本文中,我们提出了一个新的半解析方法来解决这个边值问题和计算的有效扩散率像素化,局部各向同性,非均匀介质。我们比较了我们的新的解决方案的方法,一个标准的有限体积法,并表明,可以达到相当的精度在更少的计算时间为几个标准的测试用例。我们还演示了如何新的解决方案的方法可以应用到复杂的异质几何形状所代表的二维网格的矩形块。这些结果表明,我们的新的半解析方法有可能显着加快模拟非均匀介质中的扩散。
2020-11-22 cs.NA math.NA physics.comp-ph
Pixel Arrays: A fast and elementary method for solving nonlinear systems
本文提出一种快速且基础的像素数组方法,用于求解非线性系统的所有解。该方法通过数组乘法在各关系的n_i维图上获取解集,比牛顿法更快且更简单。
2017-05-14 cs.NA math.CT math.NA
A Tuned and Scalable Fast Multipole Method as a Preeminent Algorithm for Exascale Systems
Boston University(波士顿大学)
本文通过多核CPU上的性能调优和可扩展性研究,展示了快速多极方法(FMM)在百亿亿级计算中的潜力,实现了高达32768个进程的弱扩展和2048个进程的强扩展,并讨论了其适用于异构大规模并行架构的特性。
2011-10-16 cs.MS cs.NA math.NA
A stable and fast method for solving multibody scattering problems via the method of fundamental solutions
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出一种高效稳定的方法,通过局部计算高精度散射算子,形成全局线性系统,利用快速算法加速矩阵向量乘法,保持数值稳定性与可扩展性。
2026-03-19 cs.NA math-ph math.MP
Adaptive Zeroing-Type Neural Dynamics for Solving Quadratic Minimization and Applied to Target Tracking
Guangdong Ocean University(广东海洋大学);Southeast University(东南大学);University of Leicester(莱斯特大学)
时变二次小型化(TVQM)问题是当前研究的热点,迫切需要一种更可靠、更快速的求解模型。为此,提出并实现了一种新的自适应系数构造框架,以提高求解模型的性能,从而形成自适应调零型神经动力学(AZTND)模型。然后将AZTND模型应用于TVQM问题的求解。自适应系数可以在线调整模型的步长,使求解模型收敛得更快。同时,积分项的发展,以提高在扰动环境中的模型的鲁棒性。实验结果表明,该模型具有更快的收敛速度和更可靠的鲁棒性比现有的方法。最后,将AZTND模型应用于目标跟踪方案中,验证了该模型的实用性。
2022-11-30 cs.LG cs.NA math.NA
MC$^2$: Monte Carlo Correction for Fast Elliptic PDE Solving
Stanford University(斯坦福大学)
MC$^2$结合传统蒙特卡洛方法与神经网络,通过学习单次前向传递的校正来提升PDE求解精度,实现比传统方法快约1000倍的求解速度,并提供首个大规模标准化椭圆型PDE基准PDEZoo。
2026-11-11 cs.AI cs.CE cs.CV