The Parareal Algorithm Applied to the FESOM 2 Ocean Circulation Model
在这项工作中,并行算法Parareal被应用到由阿尔弗雷德-韦格纳研究所(AWI)开发的海洋环流和海冰模式FESOM 2。气候模式提供了一种时间积分方法,因此,通过时间步长定义了粗传播子和细传播子。粗方法在CFL条件限制下执行,而精细步长逐渐细化。作为Parareal性能的第一次评估,使用了低分辨率测试网格和AWI提供的默认设置。介绍了FESOM 2和Parareal在DKRZ集群上的简单实现。不同的模拟时间间隔和精细传播子配置的数值结果的评价显示出很强的依赖性的模拟时间和精细传播子的时间步长。增加后者导致停滞,并最终发散的Parareal算法。
2022-08-16 cs.NA math.NA
Wavelet-based Edge Multiscale Parareal Algorithm for Parabolic Equations with Heterogeneous Coefficients
本文提出了一种基于小波的边缘多尺度Parareal(WEMP)算法,用于求解非均匀系数的抛物型方程。该算法结合了多尺度方法的优点,可以有效地处理在空间域中的异质性,并在足够的处理器可用时加速时间演化问题的Parareal算法的强度。我们推导了该算法的收敛速度与空间域的网格步长、多尺度方法中的水平参数、粗尺度时间步长和细尺度时间步长的关系。数值试验表明,该算法的性能,我们的理论结果得到了很好的验证。
2020-03-23 cs.NA math.NA
A Convergence Theorem for the Parareal Algorithm Revisited
本文针对粗积分器采用 Euler 方法、高精度积分器采用显式 Runge-Kutta 型方法的情形,运用 Gander 和 Hairer 的定理重新检验 parareal 算法的收敛条件。
2024-05-11 cs.NA math.NA
Stable parareal in time method for first and second order hyperbolic system
Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院);Division of Applied Mathematics, Brown University(布朗大学应用数学系)
针对双曲系统时间并行算法不稳定的问题,提出一种简单有效的稳定化方法,并通过线性波动方程和非线性Burgers方程验证了稳定性。
2012-01-05 cs.NA math.NA
On parareal algorithms for semilinear parabolic Stochastic PDEs
Univ Lyon, CNRS, Université Claude Bernard Lyon 1, UMR5208, Institut Camille Jordan(里昂大学);Department of Mathematics, Purdue University(普渡大学)
本文研究了半线性抛物型随机偏微分方程的并行算法,分析了粗格子求解器的选择、噪声正则性以及并行迭代次数对算法性能的影响,并通过理论分析和数值实验进行了探讨。
2019-02-14 cs.NA math.NA
Parareal algorithm for coupled elliptic-parabolic problems
Public University of Navarre(纳瓦拉公立大学);University of Zaragoza(萨拉戈萨大学);University of Bergen(卑尔根大学)
本文提出了一种适用于退化微分代数系统的Parareal算法,通过三种粗化解算器设计实现了并行时间积分方法的收敛性分析,并在多物理场模拟中验证了其计算效率提升
2026-01-21 cs.NA math.NA
Parareal for Higher Index Differential Algebraic Equations
本文对Parareal算法进行了改进,使之能应用于高阶微分代数方程(DAE)。它是基于这样的思想,即算法只适用于方程的微分部分,然后计算相应的一致初始条件.对于具有特殊结构的微分代数方程,例如在通量-电荷修正节块分析中给出的,它表明使用隐式欧拉法作为时间积分器足以使Parareal算法收敛.这两个版本的Parareal方法的数值例子的非线性指数2微分代数方程。
2021-07-16 cs.NA math.NA
Convergence analysis of a parareal algorithm with multistep fine propagator
University of Ioannina(伊奥阿尼纳大学);The Hong Kong Polytechnic University(香港理工大学)
针对精细传播子为两步后向差分公式(BDF2)的抛物方程,提出一种带初始校正的 parareal 算法并证明其线性收敛性,数值实验验证了优于现有策略且可推广至高阶 BDF 和非线性问题。
2026-05-27 cs.NA math.NA
Parareal algorithms applied to stochastic differential equations with conserved quantities
School of Mathematical Science, China University of Mining and Technology(中国矿业大学数学科学学院);College of Science, National University of Defense Technology(国防科技大学理学院);Institute of Applied Physics and Computational Mathematics(应用物理与计算数学研究所)
本文将并行算法与轨迹投影方法结合,用于保持微分方程的守恒量。通过粗细传播器和修正步骤中的投影方法,进行数值实验以展示迭代收敛性和守恒量的保持性。
2017-05-23 cs.NA math.NA
Optimized Two-Step Coarse Propagators in Parareal Algorithms
The University of Hong Kong(香港大学);The Hong Kong Polytechnic University(香港理工大学);Jilin University(吉林大学)
本文提出一种加速并行算法的新框架,通过将粗传播器作为两步方法并优化收敛因子,推导出严格误差估计,提供选择和设计粗传播器的量化指南,并通过线性抛物型方程示例构造了高效的两步粗传播器。
2026-05-17 cs.NA math.NA
A Parareal Algorithm with Low-Rank Coarse Solvers
Université de Genève(日内瓦大学);Mathematics Münster(明斯特数学研究所)
提出一类使用截断SVD近似转移算子构造低秩粗求解器的Parareal算法,通过随机初始值的局部精细解实现并行计算,并给出先验和后验误差界,数值实验表明该方法显著优于单步粗求解器。
2026-06-01 cs.NA math.NA
Optimizing Coarse Propagators in Parareal Algorithms
本研究提出一种系统性优化Parareal算法中粗传播子的方法,基于误差估计框架构造具有稳定性和一致阶数的粗传播子,并在多个模型上验证了其能显著提升并行效率。
2025-01-25 cs.NA math.NA
A Parareal algorithm without Coarse Propagator?
本文首次提出一种无粗传播器的Parareal算法,给出适用于空间近似粗传播器的新收敛证明,并用数值实验验证其对抛物型问题有效、对双曲型问题不适用。
2024-09-04 cs.NA math.NA
Stabilization of parareal algorithms for long time computation of a class of highly oscillatory Hamiltonian flows using data
本文提出两种数据驱动方法改进标准parareal算法,用于多尺度哈密顿系统的稳定长时间模拟,并在FPU问题上验证了其能量稳定性和运行性能优势。
2023-09-03 cs.NA math.NA
A micro/macro parallel-in-time (parareal) algorithm applied to a climate model with discontinuous non-monotone coefficients and oscillatory forcing
本文提出一种微/宏观 parareal 算法用于求解具有不连续非单调系数和振荡强迫项的一维能量平衡气候模型,通过零维宏观近似构建粗传播器,实验表明该方法收敛所需迭代次数少于子区间数,理论性能增益最高可达 10 倍。
2023-05-22 cs.NA math.NA
Exponential Low-Regularity Parareal Algorithms for Nonlinear Schrödinger Equations
The Hong Kong Polytechnic University(香港理工大学)
针对非线性薛定谔方程,设计指数低正则性粗传播子,提出线性收敛的Parareal算法,收缩因子与粗时间步长成正比,适用于低正则解。
2026-07-02 cs.NA math.NA
A New Parareal Algorithm for Time-Periodic Problems with Discontinuous Inputs
University of Geneva(日内瓦大学);Technische Universität Darmstadt(达姆施塔特工业大学)
本文提出了一种新的并行算法,用于解决具有高频不连续源的时间周期性问题,通过减少粗粒度动力学的改进并行算法来提高计算效率。
2018-10-29 cs.NA math.NA
Robust Convergence of Parareal Algorithms with Arbitrarily High-order Fine Propagators
本文的目的是分析一类解抛物型问题的拟区域算法的鲁棒收敛性。粗传播算子固定于后向欧拉法,细传播算子为高阶单步积分器。在一定的条件下,我们证明了存在一些临界$J_*$,使得parareal求解器以接近$0.3$的收敛速度线性收敛,条件是粗时间步长与细时间步长之比$J$满足$J \ge J_*$。即使问题数据是非光滑的,不符合边界条件的收敛是强大的。合格的方法包括所有绝对稳定的单步法,其稳定性函数满足$|r(-\infty)|<1$,因此精细传播子可以是任意高阶的。此外,我们研究了一些流行的高阶单步法,例如,二,三,四阶段Lobatto IIIC方法,并验证相应的parareal算法收敛线性的一个因素$0.31$和阈值为这些情况下是$J_* = 2$。密集的数值例子来支持和完成我们的理论预测。
2021-09-11 cs.NA math.NA
Linear Convergence of Parareal Algorithm for Semilinear Parabolic Equations
The University of Hong Kong(香港大学);The Hong Kong Polytechnic University(香港理工大学);Northeast Normal University(东北师范大学)
针对半线性抛物方程,采用稳定有理逼近和一阶线性化作为粗传播器,证明了Parareal算法的线性收敛性并给出了收敛因子的精确估计。
2026-06-02 cs.NA math.NA
Low-rank Parareal: a low-rank parallel-in-time integrator
在这项工作中,Parareal算法被应用到进化问题,承认良好的低秩近似和动态低秩近似(DLRA)可以用作时间步进。最近提出了许多离散积分DLRA的基础上分裂的投影向量场或通过应用投影龙格-库塔法。这些方法的成本和精度主要取决于为近似选择的秩。这些属性被用于一种新的方法,称为低秩Parareal,以获得时间并行DLRA求解器的演化问题。对仿射线性问题的算法进行了分析,并对结果进行了数值说明。
2022-09-13 cs.NA math.NA
Error bound analysis of the stochastic parareal algorithm
随机parareal(SParareal)是流行的并行算法parareal的概率变体。与parareal类似,它使用预测-校正(PC)方案将细粒度和粗粒度解结合到常微分方程(ODE)中。关键的区别是,精心选择的随机扰动被添加到PC中,以试图加速ODE随机解的位置。在本文中,我们推导出超线性和线性均方误差界的SParareal应用到非线性系统的常微分方程使用不同类型的扰动。我们说明这些界限数值上的一个线性系的常微分方程和标量非线性常微分方程,表现出良好的理论和数值之间的匹配。
2023-03-10 cs.NA math.NA stat.CO
Parareal Algorithms for Stochastic Maxwell Equations Driven by Multiplicative Noise
本文提出求解乘性噪声随机麦克斯韦方程的Parareal算法,以随机指数积分器为粗传播子,理论证明均方收敛速率与迭代次数k/2成正比,数值实验验证了增大k和阻尼系数σ可加速收敛,且在长时间模拟中优于传统指数方法。
2025-02-04 cs.NA math.NA
A micro-macro parareal algorithm: application to singularly perturbed ordinary differential equations
École Nationale des Ponts et Chaussées(国立路桥学校);Université Paris-Est(巴黎东大学);INRIA Rocquencourt(法国国家信息与自动化研究所罗康库尔中心);KU Leuven(荷语鲁汶大学)
提出一种微宏观并行算法,通过粗传播器与细尺度传播器的迭代校正实现多尺度时间系统的并行积分,并针对奇异摄动常微分方程进行数值分析,证明耦合微观与宏观描述时需特殊处理以确保收敛。
2013-02-08 cs.NA math.NA
Multi-level Parareal algorithm with Averaging for Oscillatory Problems
本研究是有限时间尺度分离的振荡偏微分方程的Parareal收敛(2019),A。G. Peddle,T. Haut和B. Wingate,[16]和高振荡PDE的渐近时间并行方法(2014),T。Haut和B. Wingate,[10],其中检查了具有平均值的两水平Parareal方法。本文提出的方法是一种多层Parareal方法,它不局限于两层的情况。我们给出了一个渐近误差估计,当只考虑两个水平的情况下,它减少到两个水平的估计。引入两个以上的水平具有重要的后果的平均程序,因为我们选择单独的平均窗口为每个不同的水平,这是本研究的一个额外的新功能。不同的平均窗口使得所提出的方法特别适合于多尺度问题,因为我们可以为问题的每个内在尺度引入一个水平,并调整平均过程,这样我们就可以重现模型在该水平所解决的特定尺度上的行为。研究了新方法的计算复杂性,并通过几个算例研究了新方法的效率。
2023-03-16 cs.NA math.NA
Parareal methods for highly oscillatory dynamical systems
Bar-Ilan University(巴伊兰大学);Georgia Institute of Technology(佐治亚理工学院);The University of Texas at Austin(德克萨斯大学奥斯汀分校);KTH Royal Institute of Technology(瑞典皇家理工学院)
本文提出一种将并行时间方法与多尺度积分器结合的新策略,用于高振荡动力系统的高效求解。
2015-11-18 cs.NA math.NA
A parallel-in-time method based on the Parareal algorithm and High-Order Dynamic Mode Decomposition with applications to fluid simulations
针对刚性数值问题中时间步长粗化困难导致Parareal算法加速受限的问题,提出一种基于高阶动态模态分解构建数据驱动粗求解器的并行时间方法,有效降低了串行计算成本并提升了长时间流体模拟的并行加速比。
2025-03-05 cs.NA math.NA physics.comp-ph
Stochastic parareal: an application of probabilistic methods to time-parallelisation
Parareal是一个研究得很好的算法,用于通过并行化时域来数值积分时间相关的微分方程系统。给定每个时间子区间的近似初始值,该算法使用预测-校正器在固定次数的迭代中定位解,一旦满足公差就停止。这种迭代过程结合了廉价(粗分辨率)和昂贵(精细分辨率)的数值积分器定位的解决方案。在本文中,我们介绍了一个随机parareal算法,旨在加快收敛的确定性parareal算法。代替向预测器-校正器提供确定性定位的初始值集合,随机算法从每个时间子间隔中动态变化的概率分布中采样初始值。然后,使用昂贵的积分器并行传播所有样本。产生跨连续子区间的最连续(最平滑)轨迹的采样初始值的集合被馈送到预测器-校正器中,以比具有给定概率的确定性算法更少的迭代收敛。随机算法的性能,实现使用各种概率分布,说明低维系统的常微分方程(ODE)。我们提供的数值证据表明,当采样的初始值的数量是足够大的,随机parareal收敛几乎肯定在更少的迭代比确定性算法,保持解决方案的精度。鉴于其随机性,我们还强调,多个模拟随机parareal返回一个分布的解决方案,可以代表一个衡量的不确定性的ODE解决方案。
2022-01-28 cs.NA math.NA stat.CO
Symmetric parareal algorithms for Hamiltonian systems
UPMC Univ. Paris 06(巴黎第六大学);Laboratoire J.-L. Lions(J.-L. 狮子实验室);Institute of Computational Mathematics and Scientific/Engineering Computing, Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院计算数学与科学工程计算研究所);École Nationale des Ponts et Chaussées(国立路桥学校);INRIA Rocquencourt(法国国家信息与自动化研究院罗康库尔中心);Division of Applied Mathematics, Brown University(布朗大学应用数学系)
针对哈密顿系统的长时间积分,通过对称化过程和投影步骤提出多种对称并行时间算法变体,以保持几何结构并改善能量守恒。
2010-11-29 cs.NA math.NA
Wavelet-based Edge Multiscale Parareal Algorithm for subdiffusion equations with heterogeneous coefficients in a large time domain
本文将WEMP算法用于长时非均质系数次扩散方程,通过粗时间子域辅助问题解耦非局部时间变量,并给出收敛分析与数值验证。
2024-06-13 cs.NA math.NA
PARAOPT: A parareal algorithm for optimality systems
PDE约束优化中的最优性系统的时间并行求解可以通过简单地应用任何时间并行算法(如Parareal)来解决优化循环中的向前和向后演化问题来实现。本文提出了一种不同的策略,直接设计了一种新的并行算法,我们称之为ParaOpt,用于求解耦合的前向和后向非线性偏微分方程。ParaOpt的灵感来自于发展方程的Parareal算法,因此自动成为一个两级方法。我们提供了一个详细的收敛性分析的情况下,线性抛物偏微分方程的约束。我们用数值实验说明了ParaOpt在线性和非线性最优性系统中的性能。
2020-07-24 cs.NA math.AP math.NA
Micro-macro Parareal, from ODEs to SDEs and back again
Department of Computer Science(计算机系);Celestijnenlaan 200 A, box 2402, 3001 LEUVEN, Belgium(比利时鲁汶市塞莱斯蒂嫩兰200A号,2402信箱,邮编3001)
本文研究微-宏观Parareal初值问题仿真算法,完善了多尺度线性常微分方程下该方法的收敛性分析,并将标量随机微分方程的算法变体推广至高维情形。
2024-10-31 cs.NA math.NA stat.CO
Exponential Runge-Kutta Parareal for Non-Diffusive Equations
针对传统Parareal时间并行算法在非扩散方程上难收敛的问题,本文提出将指数积分器引入Parareal迭代,通过线性分析及多组数值实验验证其能有效提升部分非扩散方程的求解效率。
2023-11-06 cs.NA math.NA
Parareal Algorithm Implementation and Simulation in Julia
The University of Texas at Austin(德克萨斯大学奥斯汀分校);University of Dayton(代顿大学)
本文介绍了在Julia中实现并行算法的方法,该算法用于并行求解微分方程。研究采用Euler方法和Runge-Kutta方法作为积分器,并通过模拟探讨算法性能。
2018-12-13 cs.DC cs.MS cs.NA
A Combined Parallel-in-time Direct Inverse (ParaDIn)-Parareal Method for Nonlinear Differential Equations
针对ParaDIn方法的并行时间层数限制问题,提出ParaDIn与Parareal的组合方法,通过块雅可比预处理器与两层时间并行传播提升并行效率,在480核上对二维非线性方程最高实现124倍加速。
2025-06-12 cs.NA math.NA
Parareal in time and spectral in space fast L1 quasilinear subdiffusion solver
Universidad de Las Palmas de Gran Canaria(拉斯帕尔马斯大加那利大学);Wroclaw University of Science and Technology(弗罗茨瓦夫科技大学)
本文针对拟线性时间分数阶扩散方程,提出结合时间parareal算法与空间spectral离散化的全离散求解器,并首次给出了该非线性亚扩散环境下parareal-L1格式的严格收敛性证明,数值实验表明其计算时间显著减少。
2025-10-13 cs.NA math.NA
On selecting coarse-grid operators for Parareal and MGRIT applied to linear advection
本文研究了线性平流方程的并行时间积分问题,给出了并行时间积分的Parareal和两层多重网格时间约减(MGRIT)算法。我们的目的是开发一个更好地了解这些算法的收敛行为,这个问题,这是已知的是穷人相对于扩散方程,其模型的抛物线对应。使用傅里叶分析,我们得到新的收敛估计,这些算法,结合现有的收敛理论,提供洞察这种性能差的起源。然后,我们使用这个理论来探索改进的粗网格时间步进算子。对于对流方程的几个高阶离散,我们证明了存在非标准的粗网格时间步进算子,产生显着的改进,在标准的选择重新离散。
2019-10-13 cs.NA math.NA
Space-time parallel scaling of Parareal with a physics-informed Fourier Neural Operator coarse propagator applied to the Black-Scholes equation
本文提出将物理信息傅里叶神经算子作为Parareal的粗模型,用于双资产Black-Scholes方程的时间并行化,证明其收敛快且结合空间并行时加速比优于纯空间并行和数值粗模型。
2025-03-16 cs.NA math.NA
A Micro-Macro Parareal Implementation for the Ocean-Circulation Model FESOM2
本文将微观-宏观 Parareal 时间并行算法应用于海洋环流模式 FESOM2,通过将 PI 网格分辨率提高 4 倍验证其在复杂气候问题诊断变量上的收敛性,并探讨了扩展应用的后续步骤。
2024-01-22 cs.NA math.NA
On "Optimal" h-Independent Convergence of Parareal and MGRIT using Runge-Kutta Time Integration
虽然Parareal和multigrid-reduction-in-time(MGRIT)并行时间算法的收敛性研究得很好,但其最优性的结果是有限的。借助于最近导出的两层Parareal和MGRIT收敛的紧界,本文证明(或反证)了两层Parareal和MGRIT对于形式为$\mathbf{u}'(t) + \mathcal{L}\mathbf{u}(t) = f(t)$的线性问题的$h_x$ -和$h_t$ -独立收敛,其中$\mathcal{L}$是对称正定的,使用Runge-Kutta时间积分.本文提出的理论还包括一些修改的Parareal算法的分析,如$θ$ -Parareal方法,并表明,并不是所有的龙格库塔格式是相同的,从并行的角度来看。一些方案,特别是L-稳定方法,提供比其他方案明显更好的收敛性,因为它们保证在小和大$h_tξ$的两个极限下快速收敛,其中$ξ$表示$\mathcal{L}$和$h_t$时间步长的特征值。另一方面,一些计划不获得PDMATHAMT-最优收敛,两级收敛限制在某些制度。在某些情况下,时间步长$h_t$或粗化因子$k$中的$\mathcal{O}(1)$因子变化可以是收敛因子$ρ\approx0.02$和发散因子之间的差!分析扩展到反对称运营商以及,不能获得PDMATHAMT独立的收敛,事实上,一般不会收敛足够大的时间步长。数值结果证实了分析在实践…
2020-02-11 cs.NA math.NA
Parareal exponential $θ$-scheme for longtime simulation of stochastic Schrödinger equations with weak damping
LSEC, ICMSEC, Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院);School of Mathematical Sciences, University of Chinese Academy of Sciences(中国科学院大学数学科学学院);Department of Mathematics, College of Sciences, China University of Mining and Technology(中国矿业大学理学院)
本文提出一种基于指数θ方案的并行算法,用于弱阻尼随机薛定谔方程的长期模拟,通过分析不变分布证明其适合长期模拟,并建立非线性情况下的收敛条件,展示了隐式方案的优势。
2018-03-25 cs.NA math.NA
Parareal Neural Networks Emulating a Parallel-in-time Algorithm
KAIST(韩国科学技术院);Natural Science Research Institute, KAIST(韩国科学技术院自然科学研究院)
本文提出将DNN各层视为时间步,通过模拟parareal时间并行算法构建可多GPU并行的神经网络,并在VGG-16和ResNet-1001上验证了加速且精度保持的效果。
2021-03-16 cs.LG cs.NA math.NA
Parareal computation of stochastic differential equations with time-scale separation: a numerical study
已知并行算法通过在时间维度上并行化来允许显著减少挂钟时间以获得精确的数值解。我们提出并测试了一个微观-宏观版本的parareal,其中的精细传播是基于(高维,慢-快)随机微观模型,和粗传播是基于低维近似有效的动态慢时间尺度。在微观层面上,我们使用的Monte Carlo粒子的合奏,而近似粗糙的传播使用(确定性)福克-普朗克方程的慢自由度。系统的微观和宏观表示之间所需的耦合引入了几个设计选项,具体地说,关于如何生成与所需的宏观概率分布一致的微观概率分布以及如何以有意义的方式执行宏观概率分布的粗略级更新。我们数值研究这些设计方案如何影响算法的效率在一些情况下。粗级更新算子的选择对结果有很大影响,如果使用分位数函数(逆累积分布)的加法和减法,则具有更好的性能。如何生成微观状态具有不太明显的影响,只要使用合适的先前微观状态。
2019-12-19 cs.NA math.NA
Parallel-in-Time Solution of Allen-Cahn Equations by Integrating Operator Learning into the Parareal Method
University of South Carolina(南卡罗来纳大学);Oak Ridge National Laboratory(橡树岭国家实验室);Sandia National Laboratories(桑迪亚国家实验室)
本文提出将运算学习整合到Parareal方法中,用于高效求解Allen-Cahn方程,通过CNNs学习时间步进运算符,实现高精度和加速计算。
2025-11-24 cs.NA math.NA
A posteriori error analysis for a space-time parallel discretization of parabolic partial differential equations
将时间上的Parareal算法与空间上的重叠区域分解相耦合,构造了求解抛物型偏微分方程的时空并行方法。我们的目标是获得一个离散化组成的“本地”的问题,可以有效地解决并行计算机。然而,这引入了必须评估的重要误差源。将原Parareal算法转化为变分方法,并在空间上进行有限元离散,从而可以进行基于伴随的后验误差分析。通过适当选择伴随问题和残差,误差分析区分由于时间和空间离散化而产生的误差,以及由于不完整的Parareal迭代和区域分解求解器的不完整迭代而产生的误差。我们首先开发的Parareal方法应用于抛物型偏微分方程的误差分析,然后细化这种分析的情况下,相关的空间问题,使用重叠区域分解解决。这两种算法分别构成了我们的时间并行算法(TPA)和空时并行算法(STPA)。数值实验证明了这两种算法的估计和不同的误差分量之间的迭代的准确性。
2022-01-14 cs.NA math.NA
Convergence of the micro-macro Parareal Method for a Linear Scale-Separated Ornstein-Uhlenbeck SDE: extended version
本文提出并测试了用于随机微分方程的微宏观Parareal方法,分析了近似模型的模型误差对算法收敛性的影响,并通过数值实验验证了分析。
2025-01-31 cs.NA math.NA
Error Analysis and Parallel Scaling Study of A Parareal Parallel-in-Time Integration Algorithm for Particle-in-Fourier Schemes
该研究针对动理学等离子体模拟的PIF格式提出基于parareal的相空间时间并行方案,采用时间粗化的粗传播子,经误差分析与多算例验证,在1536块A100 GPU上实现4-6倍加速及每秒约10亿粒子的推进速率。
2025-06-15 cs.NA math.NA physics.comp-ph
Asynchronous Truncated Multigrid-reduction-in-time (AT-MGRIT)
在本文中,我们提出了新的“异步截断multigrid-reduction-in-time”(AT-MGRIT)算法引入时间并行的离散时间相关问题的解决方案。新算法是基于多重网格减少时间(MGRIT)的方法,这在一定的设置,相当于另一种常见的多级并行时间的方法,Parareal。与Parareal和MGRIT都在粗粒度级别上考虑整个时间间隔上的全局时间网格相比,AT-MGRIT算法在粗粒度级别上使用截断的本地时间网格,每个网格覆盖某些时间子间隔。这些局部网格可以彼此完全独立地求解,这减少了算法的顺序部分,从而增加了方法的并行性。在这里,我们研究的效果,使用截断的局部粗网格的算法的收敛性,在理论上和数值上,并显示,使用具有挑战性的非线性问题,新算法始终优于经典Parareal/MGRIT的时间解决方案。
2021-07-20 cs.NA math.NA
Semi-explicit Parareal method based on convergence acceleration technique
针对时间依赖问题,提出一种结合收敛加速技术的半显式Parareal方法,通过显式ODE求解器和外推法分解解为收敛级数来提高精度。
2014-02-14 cs.NA cs.SY eess.SY
Parareal in time intermediate targets methods for optimal control problem
UPMC Univ Paris 06, UMR 7598, Laboratoire Jacques-Louis Lions(巴黎第六大学);Division of Applied Mathematics, Brown University(布朗大学应用数学系);CEREMADE, Université Paris-Dauphine(巴黎第九大学)
针对抛物型方程最优控制中的欧拉-拉格朗日系统,提出一种基于中间目标序列迭代更新的并行求解方法,可与时间并行算法结合,数值实验验证了其有效性。
2012-03-11 cs.NA math.NA math.OC
Numerical simulation of skin transport using Parareal
皮肤渗透的计算机模拟研究是一个重要的,但也需要计算的问题。要解决所有涉及的尺度的全部细节,不仅需要exascale计算能力,而且还需要合适的并行算法。本文研究了时间并行Parareal算法对砖和砂浆装置的适用性,这是皮肤渗透的一个附加问题。实现Parareal的C++库Lib4PrM与UG4仿真框架相结合,提供了空间离散化和并行化。该组合的性能进行了研究方面的收敛性和加速比。它被证实,在域中的各向异性和跳跃扩散系数Parareal的收敛只有很小的影响。由于空间求解器以及时空弱缩放所需的迭代次数的差异,负载不平衡的影响进行了讨论。
2015-07-27 cs.CE cs.DC cs.NA
Parareal in time 3D numerical solver for the LWR Benchmark neutron diffusion transient model
CEA/DEN/DANS/DM2S(法国原子能和替代能源委员会核能研究与开发部核系统模拟部门);UPMC-CNRS/LJLL(巴黎第六大学-法国国家科学研究中心雅克-路易·利翁斯实验室);CEA-DRN/DMT/SERMA(法国原子能和替代能源委员会核研究局材料测试与模拟处反应堆建模与分析组);Sorbonne Universités, UPMC Univ Paris 06(索邦大学,巴黎第六大学);Institut Universitaire de France(法兰西学院);Brown Univ, Division of Applied Maths(布朗大学应用数学系);CMAP, Inria-Saclay and X-Ecole Polytechnique(巴黎综合理工学院-法国国家信息与自动化研究所萨克雷计算数学与应用中心);CEREMADE, Univ Paris-Dauphine(巴黎第九大学数学与决策研究中心)
本文提出了一种时间并行算法,用于模拟中子扩散瞬态模型,通过粗解算子和稳态控制棒模型提高效率,采用有限元空间离散化,实现算法良好的可扩展性,数值结果验证了该方法在大型轻水堆瞬态模型上的有效性。
2014-03-07 cs.NA math.AP math.NA
Projection-Based Parareal for Nonlinear Initial-Value Problems
School of Mathematical Sciences, Fudan University(复旦大学数学科学学院)
本文提出一种面向非线性初值问题的基于投影的Parareal算法,证明了其收敛性与误差界,数值实验验证了理论结果。
2026-10-16 cs.NA math.NA
DD-DA PinT-based model: A Domain Decomposition approach in space and time, based on Parareal, for solving the 4D-Var Data Assimilation model
University of Naples Federico II(那不勒斯费德里科二世大学)
本文提出了一种基于并行时间方法的域分解方法,用于求解4D-Var数据同化模型,通过粗粒度预测提高局部解精度,实现并行求解以提升效率,并保留数据局部性以增强软件可扩展性。
2018-07-18 cs.NA math.NA
A Multiscale Domain Decomposition Algorithm For Boundary Value Problems For Eikonal Equations
The University of Texas at Austin(德克萨斯大学奥斯汀分校);KTH Royal Institute of Technology(皇家理工学院)
本文提出一种多尺度域分解算法,结合parareal更新方案与标准Eikonal求解器,用于加速收敛并保持精度,通过模型问题研究最优权重,给出数值示例验证方法有效性。
2018-06-12 cs.NA math.NA