首页/论文/1910.09080

arXiv 1910.090802019-10math.NAcs.NAmath-phmath.MP

随机参数多尺度动力学方程双保真方法的误差估计

Error estimate of a bi-fidelity method for kinetic equations with random parameters and multiple scales

Irene M. Gamba, Shi Jin, Liu Liu

摘要：

本文对多尺度动力学方程的双保真度方法进行了一致误差估计。我们把玻尔兹曼和线性输运方程作为重要的例子。主要的分析工具是动力学方程的hypoverravity分析，考虑在一个微扰设置接近全球平衡的解决方案。这使我们能够获得动力学和流体动力学状态下的误差估计。

英文摘要：

In this paper, we conduct uniform error estimates of the bi-fidelity method for multi-scale kinetic equations. We take the Boltzmann and the linear transport equations as important examples. The main analytic tool is the hypocoercivity analysis for kinetic equations, considering solutions in a perturbative setting close to the global equilibrium. This allows us to obtain the error estimates in both kinetic and hydrodynamic regimes.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

动力学方程中不确定性传播的多保真度方法

Multi-fidelity methods for uncertainty propagation in kinetic equations

由于模型的高维性，动力学方程中不确定性量化的有效方法的构建是一个挑战：通常所涉及的计算成本变得令人望而却步。另一方面，正是由于维数灾难，简化模型的建设，能够提供近似解在计算上减少成本一直代表在动力学方程领域的主要研究方向之一。许多作者研究了基于矩方程或简化碰撞模型的适当闭合的近似。因此，在不确定性量化的背景下，在多保真度设置中利用这样的模型是很自然的，其中原始动力学方程表示高保真度模型，并且简化模型定义低保真度替代模型。本文的范围是调查的动力学方程，能够加快解决方案的不确定性量化过程相结合的高保真度和低保真度模型评估，特别注意的情况下，可压缩和不可压缩的流体动力学限制的多保真度方法的一些最新成果。我们将主要集中在两类策略：多保真度控制变数方法和双保真度随机配置法。所考虑的各种方法进行了分析，根据不同的代理模型和采用不同的数值技术。鉴于替代模型的具体选择的相关性，在介绍中选择了面向应用的方法。

2021-12-02cs.NAmath.NA

具有不确定接触结构的流行病动力学动力学模型的多保真方法

Multi-fidelity methods for kinetic models of epidemic dynamics with uncertain contact structure

The Chinese University of Hong Kong（香港中文大学）；University of Ferrara（费拉拉大学）；University of Pavia（帕维亚大学）

提出一种结合高保真动力学求解器与低保真代理模型的多保真策略，用于处理流行病学中具有不确定接触结构的动力学模型，通过层次化框架和投影技术实现高效不确定性传播，大幅降低计算成本。

2026-06-25cs.NAmath.NA

交通流动力学模型的多保真度和多级蒙特卡洛方法

Multi-fidelity and multi-level Monte Carlo methods for kinetic models of traffic flow

本研究针对交通流动力学模型中的不确定性，提出采用多保真度和多级蒙特卡洛方法，通过控制变量技术降低高维耦合的计算成本，数值实验表明其精度优于标准蒙特卡洛，且多保真度方法在合适替代模型下可超越多级方法。

2025-01-27cs.NAmath.NA

动力学方程的不确定度量化及其相关问题

An introduction to uncertainty quantification for kinetic equations and related problems

本文综述了动力学方程不确定性量化及随机输入相关问题的最新研究成果。不确定性可能是由于各种原因造成的，例如缺乏对微观相互作用细节的了解，或者边界或初始数据的信息不完整。这些不确定性导致了维数灾难，发展有效的数值方法是一个挑战。在简要介绍了偏微分方程不确定性量化的主要数值方法之后，重点介绍了动力学方程的多保真度方法和随机Galerkin方法的一些最新进展。

2020-04-10cs.NAmath-phmath.MP

保留微观模型保真度的各向异性非平稳碰撞算子的动力学方程快速谱分离方法

Fast spectral separation method for kinetic equation with anisotropic non-stationary collision operator retaining micro-model fidelity

Michigan State University（密歇根州立大学）

提出一种从分子动力学学习的数据驱动碰撞算子，通过各向异性非平稳核和快速谱分离方法（O(N log N)算法）扩展动力学模型至弱耦合之外，保持结构守恒与H定理。

2026-06-05cs.NAmath.NAphysics.comp-ph

随机参数多尺度Boltzmann方程的双保真度方法

A bi-fidelity method for the multiscale Boltzmann equation with random parameters

本文利用文献[A]中发展的一种双精度随机配置方法研究了具有多维随机参数的多尺度Boltzmann方程。纳拉扬角Gittelson和D. Xiu，SIAM J. Sci.计算：36（2014）; X. Zhu，中国茶青冈A. Narayan和D. Xiu，SIAM J. Uncertain.数量，2（2014）]。通过选择可压缩Euler系统作为低保真模型，采用双保真SC方法，将低保真模型的计算效率与高保真（Boltzmann）模型的高精度结合起来。双保真度近似只需少量的保渐近解，就能很好地捕捉随机空间中玻尔兹曼方程解的宏观量.先验估计的精度之间的高保真度和双保真度的解决方案，以及收敛性分析。最后，我们提出了广泛的数值实验，以验证我们所提出的方法的效率和准确性。

2019-09-05cs.NAmath.NA

更多相关论文收起更多论文

具有随机输入的多相 Navier-Stokes–Vlasov–Fokker–Planck 系统双精度方法的误差估计

Error estimates of a bi-fidelity method for a multi-phase Navier-Stokes-Vlasov-Fokker-Planck system with random inputs

本文利用低强制性分析，证明了随机初始输入下多相 Navier-Stokes–Vlasov–Fokker–Planck 耦合系统双精度方法在动理学与流体动力学区域中的一致误差估计。

2023-08-16cs.NAmath.APmath.NA

具有扩散标度和多维随机输入迁移方程的双精度随机配置法

A bi-fidelity stochastic collocation method for transport equations with diffusive scaling and multi-dimensional random inputs

本文研究扩散标度下含随机参数线性迁移方程的有效数值方法。我们将文献[33，50，51]中介绍的双精度随机配置法推广到目前的情况。对于高保真传输模型，渐近保持方案[29]用于每个随机样本。我们采用简单的双速Goldstein-Taylor方程作为低保真度模型，以加速不确定性量化过程的收敛。选择的动机是，这两个模型，高保真度和低保真度，共享相同的扩散限制的事实。通过合理选择配点和对高保真解的相对逼近，提高了计算速度。进行了大量的数值实验，以显示所提出的方法的效率和准确性，即使在非扩散制度，与经验误差界估计研究[16]。

2021-07-20cs.NAmath.NA

用于多尺度动理学方程不确定性量化的结构与渐近保持深度神经代理模型

Structure and asymptotic preserving deep neural surrogates for uncertainty quantification in multiscale kinetic equations

University of Ferrara（费拉拉大学）；Italian Ministry of University and Research（意大利大学与研究部）；Royal Society（皇家学会）；European Union（欧盟）；ICSC – Centro Nazionale di Ricerca in High Performance Computing, Big Data and Quantum Computing（ICSC – 高性能计算、大数据和量子计算研究中心）；Italian National Institute of High Mathematics（意大利国家高等数学研究所）

针对带随机参数的高维多尺度动理学方程不确定性量化难题，结合多尺度控制变量策略与结构渐近保持神经网络构建神经代理模型，在保持物理一致性的同时显著降低采样方差，提升计算效率与精度。

2025-06-12cs.LGcs.NAmath.NA

线性动能方程中随机输入的均匀正则性

Uniform regularity for linear kinetic equations with random input based on hypocoercivity

University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；State University of New York at Buffalo（纽约州立大学布法罗分校）

本文研究了保持质量的动能方程中随机性的影响，证明了解对随机性的解析性，从而保证了数值方法的收敛性。结果在一般设定下成立，不依赖碰撞项的具体形式、随机变量的概率分布或系统所处的 regime，称为均匀正则性。

2017-04-10cs.NAmath.NA

用于动力学方程不确定性量化的神经代理控制变量

Control variates with neural surrogates for uncertainty quantification in kinetic equations

Xiamen University（厦门大学）；University of Ferrara（费拉拉大学）；Heriot-Watt University（赫瑞-瓦特大学）

该研究针对带随机输入的动力学方程不确定性量化难题，提出用神经代理替代经典降阶模型的多保真度控制变量方法，证明其无偏性与方差稳定性，扩展至多控制变量及渐近保形层次结构，经数值测试验证有效性。

2026-08-04cs.NAmath.NA

一种用于 Boltzmann 方程速度离散的双保真数值方法

A Bi-fidelity numerical method for velocity discretization of Boltzmann equations

针对多尺度 Boltzmann 型方程的速度离散，提出结合低保真贪心选点、高保真评估与渐近保持格式的双保真方法，并通过理论性质和多类数值实验验证其有效性。

2025-07-26cs.NAmath.NA

基于hypocoercivity的随机动能方程灵敏度分析与谱收敛性研究

Hypocoercivity based Sensitivity Analysis and Spectral Convergence of the Stochastic Galerkin Approximation to Collisional Kinetic Equations with Multiple Scales and Random Inputs

The Institute for Computational Engineering and Sciences (ICES), University of Texas at Austin（德克萨斯大学奥斯汀分校计算工程与科学研究所）；Department of Mathematics, University of Wisconsin-Madison（威斯康星大学麦迪逊分校数学系）

本文基于hypocoercivity理论，研究随机动能方程的灵敏度分析与谱收敛性，建立随机伽辽金方法的hypocoercivity性质和解的正则性，证明方法在加权Sobolev范数下的谱精度和指数衰减性。

2018-05-22cs.NAmath.APmath.NA

一种高阶随机渐进行为方案用于具有随机输入的趋化动力学模型

A High Order Stochastic Asymptotic Preserving Scheme for Chemotaxis Kinetic Models with Random Inputs

University of Wisconsin, Madison（威斯康星大学麦迪逊分校）；Shanghai Jiao Tong University（上海交通大学）；University of Ferrara（费拉拉大学）

本文提出一种随机渐进行为方案，用于具有随机输入的趋化动力学模型，改进了CFL条件并验证了随机渐进行为属性，以提高多尺度问题的不确定性量化效率。

2017-10-16cs.NAmath.NAq-bio.CB

不确定性动力学方程的平均场控制变量方法及其在社会经济科学中的应用

Mean-field control variate methods for kinetic equations with uncertainties and applications to socio-economic sciences

在本文中，我们扩展了最近推出的多保真度控制变量的不确定性量化的玻尔兹曼方程的动力学模型中产生的多智能体系统的研究的情况下。对于这些现象，不确定性的影响是特别明显的，已经开发了几个模型，其平衡态通常是未知的。特别是，我们的目标是开发有效的数值方法的基础上解决的动力学方程在相空间的直接模拟蒙特卡罗（DSMC）耦合到随机空间中的蒙特卡罗采样。为此，利用相应的平均场近似的知识，我们开发了新的平均场控制变量（MFCV）方法，能够大大减少随机空间中的标准蒙特卡洛采样方法的方差。我们验证了这些观察与经典模型的基础上，包括财富交换和意见形成模型的集体现象的几个数值例子。

2021-02-04cond-mat.stat-mechcs.NAmath.NA

不确定性扩散动力学群集模型的Monte Carlo gPC方法

Monte Carlo gPC methods for diffusive kinetic flocking models with uncertainties

在本文中，我们介绍和讨论的动力学方程的近似数值方案的群集行为与相变，包括不确定量。这类计划在这里考虑利用蒙特卡罗方法在相空间耦合随机Galerkin展开在随机空间。所提出的方法自然地保持了解决方案的统计矩的正性，并且能够在随机空间中实现高精度。几个测试的动力学校准模型与自推进验证所提出的方法都在均匀和非均匀的设置，阴影光的影响的不确定性的相变现象驱动的噪声，如他们的平滑和置信带。

2019-10-30cs.NAmath.NAnlin.AO