A Localized Orthogonal Decomposition Method for Heterogeneous Mixed-Dimensional Problems
Institute for Applied and Numerical Mathematics, Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院应用与数值数学研究所);Department of Mathematical Sciences, Chalmers University of Technology and University of Gothenburg(查尔姆斯理工大学和哥德堡大学数学科学系)
本文提出一种多尺度方法,用于解决具有高异质系数的混合维椭圆问题,通过局部正交分解框架构建问题适应的基函数,实现最优收敛性。
2026-03-20 cs.NA math.NA
Exponential Convergence of Online Enrichment in Localized Reduced Basis Methods
Institute for Computational and Applied Mathematics, University of Münster(明斯特大学计算与应用数学研究所)
本文研究了本地化降阶方法中在线丰富性的指数收敛性,提出了一种最优丰富策略,结合全局降阶空间与局部细空间,并通过二维稳态热方程数值实验验证了结果。
2018-02-23 cs.NA math.NA
Multi-resolution Localized Orthogonal Decomposition for Helmholtz problems
本文提出了一种新的多分辨率局部正交分解(LOD)方法,用于求解由亥姆霍兹方程描述的时谐声散射问题。该方法融合了LOD和算子自适应小波(gamblets)的概念,并证明了其适用于一类复值,非埃尔米特和不确定的问题。它计算分层基地,块对角化的亥姆霍兹算子,从而使离散化规模。稀疏性是保留了一种新的本地化策略,提高稳定性,即使在椭圆的情况下。我们提出了一个严格的稳定性和先验误差分析所提出的方法均匀介质。此外,我们调查的快速可解性的块由一个标准的迭代法。一系列的数值实验说明了理论研究结果的尖锐性,并证明了在非均匀介质中的散射问题的适用性。
2022-11-23 cs.NA math.NA
An adaptive localized orthogonal decomposition method for Helmholtz problems
Zhejiang University(浙江大学)
提出自适应局部正交分解方法求解Helmholtz问题,首次给出波数鲁棒残差后验误差估计,并利用POD压缩共享富集空间,实现高效在线计算。
2026-10-14 cs.NA math.NA
A reduced basis super-localized orthogonal decomposition for reaction-convection-diffusion problems
本文提出了一种数值处理反应对流扩散问题的方法,该问题的系数是任意粗糙的,并且可能在很细的尺度上变化。所提出的技术结合了减少的基础(RB)的框架,最近提出的超本地化正交分解(SLOD)。更具体地说,RB是用于加速通常昂贵的SLOD基础计算,而SLOD是用于一个有效的压缩问题的解决方案运营商只需要粗略解决。这两种方法的综合优势,使人们能够解决参数异质系数所带来的挑战。给定参数向量的值,该方法输出对应的压缩解算子,该压缩解算子可以用于同时有效地处理多个可能非仿射的右手边,每个右手边仅需要一个粗略求解。
2022-11-28 cs.NA math.NA
Super-localized orthogonal decomposition for convection-dominated diffusion problems
本文提出了一种求解大Péclet数下对流占优扩散问题的多尺度方法。将解算子应用于任意粗网格上的分段常数右端,定义了一个具有良好逼近性质的有限维粗仿射空间。对于一些相关的误差测度,包括$L^2$ -范数,Galerkin投影到这个广义有限元空间甚至产生$\varepsilon$ -独立的误差界,$\varepsilon$是奇异扰动参数。通过构造一个近似的局部基,该方法成为一种新的多尺度方法的超局部化正交分解(SLOD)的精神。由基定位引起的误差可以用后验的方法来估计。在现有的多尺度方法相比,数值实验表明,$\varepsilon$ -独立的收敛,即使在大网格Péclet数的下解决制度没有前渐近效应。
2022-06-04 cs.NA math.NA
Hierarchical Super-Localized Orthogonal Decomposition Method
本文提出一种分层超局部化正交分解方法,构造稀疏压缩算子逼近具有粗糙系数的椭圆型PDEs解算子,实现正交多分辨率分解以解耦尺度,使求解简化为并行求解网格无关的独立线性系统,并在高对比度通道下保持最优误差率。
2024-07-26 cs.NA math.NA
A Localized Orthogonal Decomposition Method for Heterogeneous Stokes Problems
本文提出一种基于局部化正交分解的多尺度方法求解非均匀Stokes问题,通过构造指数衰减的局部基函数实现速度逼近,并证明速度与后处理压力的最优收敛速率。
2024-10-18 cs.NA math.NA
Stable localized orthogonal decomposition in Raviart-Thomas spaces
Ruhr University Bochum(波鸿鲁尔大学);The Hong Kong Polytechnic University(香港理工大学);Texas A&M University(德克萨斯农工大学)
本文提出了一种用于二阶线性椭圆方程混合形式的多尺度计算方法,基于Raviart-Thomas有限元空间中的稳定局部正交分解,通过在细网格上求解局部块问题,提供低维粗网格近似空间,有效整合细观系数信息,避免了污染项,通过数值实验验证了方法性能。
2026-04-12 cs.NA math.NA
Linearized Localized Orthogonal Decomposition for Quasilinear Nonmonotone Elliptic PDE
本文提出一种受 LOD 启发的线性化多尺度方法,用于含空间多尺度系数的非单调拟线性椭圆 PDE,并通过两种线性化技术的适定性、收敛分析与数值实验验证其有效性。
2025-07-25 cs.NA math.NA
Localized orthogonal decomposition techniques for boundary value problems
École polytechnique fédérale de Lausanne(洛桑联邦理工学院);Chalmers University of Technology and University of Gothenburg(查尔姆斯理工大学和哥德堡大学)
本文提出了一种局部正交分解方法,用于求解带有非均匀狄利克雷和诺伊曼边界条件的椭圆偏微分方程,通过新的边界修正器保持收敛速率,并通过数值实验验证了方法在细尺度结构下的可靠性。
2014-07-17 cs.NA math.NA
Localized orthogonal decomposition method for the wave equation with a continuum of scales
本文提出一种局部正交分解方法用于多尺度波动方程的数值近似,推导了在不同范数下的收敛速率,并证明了在不假设初始数据结构的情况下方法的收敛性。
2015-09-22 cs.NA math.NA
Optimal Error Estimates of a Linearized Backward Euler Localized Orthogonal Decomposition for the Landau-Lifshitz Equation
Shanghai Jiao Tong University(上海交通大学);Soochow University(苏州大学)
本文提出了一种基于局部正交分解的线性化后向欧拉方法,用于Landau-Lifshitz方程的高效可靠模拟,并给出了该方法的最优误差估计。
2026-01-19 cs.NA math.NA physics.comp-ph
Localized Orthogonal Decomposition Methods vs. Classical FEM for the Gross-Pitaevskii Equation
本研究针对含时Gross-Pitaevskii方程,结合局部正交分解多尺度方法与保能量时间积分器构建高阶数值方案,对比高阶拉格朗日有限元法,验证其在粗糙问题中更高效且能保持高阶精度的优势。
2024-09-18 cs.NA math.NA
On Optimal Convergence Rates for the Nonlinear Schrödinger Equation with a Wave Operator via Localized Orthogonal Decomposition
Jiaying University(嘉应大学);Shanghai Jiao Tong University(上海交通大学)
本文提出了一种局部正交分解方法,用于求解带有波算子的二维时间依赖非线性薛定谔方程,证明了该方法保持守恒律并具有唯一数值解,同时获得了无条件的最优阶超收敛L^p误差估计。
2026-03-21 cs.NA math.NA physics.comp-ph
A High-Order Localized Orthogonal Decomposition Method for Heterogeneous Stokes Problems
Institute for Applied and Numerical Mathematics, Karlsruhe Institute of Technology(应用与数值数学研究所,卡尔斯鲁厄理工学院);Université Marie et Louis Pasteur(玛丽·路易·巴斯德大学)
本文提出了一种高阶局部正交分解方法,用于解决异质斯托克斯问题,通过改进的局部化策略和压力重构,实现了速度和压力的高阶收敛性。
2025-11-27 cs.NA math.NA
A localized orthogonal decomposition method for semi-linear elliptic problems
Uppsala University(乌普萨拉大学);Humboldt-Universität zu Berlin(柏林洪堡大学)
针对系数高度振荡的半线性椭圆问题,提出一种基于局部正交分解的多尺度方法,通过构造低维多尺度空间并证明H1误差关于粗网格尺寸线性收敛。
2013-07-04 cs.NA math.NA
Multiphysics embedding localized orthogonal decomposition for thermomechanical coupling problems
Tongji University(同济大学);The Chinese University of Hong Kong(香港中文大学)
针对高度非均匀介质中多尺度热机械问题,提出ME-LOD方法,通过耦合静态算子生成位移和温度校正器,定位到粗网格块求解。证明相关稳定性等,数值实验显示该方法在精度和成本平衡上表现良好。
2026-07-10 cs.NA math.NA
Super-localized Orthogonal Decomposition for high-frequency Helmholtz problems
本文针对高波数Helmholtz散射问题提出一种超局部化正交分解方法,通过局部快照构造问题自适应基函数,使局部化误差随过采样参数超指数衰减,从而在显著放宽的过采样条件下实现最优收敛,并在非均匀介质和完美匹配层中显著提升离线与在线性能。
2021-12-21 cs.NA math.NA
A reduced basis localized orthogonal decomposition
本文将缩减基方法与局部正交分解结合,解决参数化椭圆多尺度问题。通过预处理计算代表性参数的LOD,实现在线求解时的高效稀疏系统。
2015-05-12 cs.NA math.NA
A two level approach for simulating Bose-Einstein condensates by localized orthogonal decomposition
针对单组分玻色-爱因斯坦凝聚基态与动力学数值计算的瓶颈,提出两种适配局部正交分解空间结构的全离散方法,优化内存开销,经多维度实验验证其收敛性与计算效率优于谱方法和标准有限元法。
2024-05-23 cs.NA math.NA
Neural Network Localized Orthogonal Decomposition for Numerical Homogenization of Diffusion Operators with Random Coefficients
University of Augsburg(奥格斯堡大学);Technical University of Munich(慕尼黑工业大学)
本文提出一种神经网络增强的数值均匀化方法,通过训练神经网络将细尺度随机扩散系数映射为粗尺度代理,实现了快速且可扩展的随机扩散问题求解。
2025-09-16 cs.NA math.NA
Localized Orthogonal Decomposition for two-scale Helmholtz-type problems
Institut für Analysis und Numerik, Westfälische Wilhelms-Universität Münster(明斯特大学分析与数值计算研究所)
本文提出了一种基于Petrov-Galerkin公式的局部正交分解方法,用于解决双尺度亥姆霍兹型问题,通过局部子尺度问题解决污染效应问题。
2017-02-28 cs.NA math.NA
Localized Reduced Basis Additive Schwarz Methods
缩减基方法通过计算适当选择的快照参数的给定偏微分方程的解来为参数化偏微分方程的解集构建低秩近似空间。局部化缩减基方法通过从空间局部化的较便宜的问题构建全局空间来降低计算这些快照解决方案的离线成本。在在线富集的情况下,这些局部问题在高残差区域中迭代求解,并且对应于区域分解方法中的子域求解。通过引入局部化约化基加性Schwarz方法(LRBAS),我们证明了在线富集的局部化约化基和区域分解方法之间确实存在着密切的联系,LRBAS可以被解释为CG方法的局部自适应多预处理方案.
2021-06-08 cs.NA math.NA
Online TT-ALS for Streaming Tensor Decomposition with Incremental Orthogonalization
The University of Osaka(大阪大学)
提出在线TT-ALS算法,通过增量正交化实现流式张量分解,在保持高重构精度的同时降低计算复杂度,并在视频质量指标上超越现有在线方法。
2026-07-01 cs.CV cs.LG cs.NA
True Error Control for the Localized Reduced Basis Method for Parabolic Problems
University of Münster(明斯特大学)
本文提出了一种基于椭圆重构技术的后验误差估计抽象框架,用于抛物方程的近似,扩展到降阶方法中对模型降阶误差的离线/在线可分解后验估计,并展示了该方法在局部降阶方法中的应用。
2016-12-08 cs.NA math.NA
A-posteriori error estimates for the localized reduced basis multi-scale method
University of Münster(明斯特大学)
本文提出了一种针对局部化降阶多尺度(LRBMS)方法的后验误差估计,该方法结合了多尺度方法和降阶方法,以有效降低参数多尺度问题的计算复杂度。通过改进的SWIPDG离散化方法,提出了一种基于局部信息的符合重建离散扩散通量的估计器,该估计器具有离线/在线可分解性,适用于降阶模型。
2014-05-27 cs.NA math.NA
On Quasi-Localized Dual Pairs in Reproducing Kernel Hilbert Spaces
本文探讨再生核希尔伯特空间中散乱数据逼近的多种基(如局域拉格朗日基、正交基及多分辨率版本)及其对偶,论证正交基利于对称预条件,并通过二维基准实验和隐式表面重建验证可行性。
2024-08-21 cs.NA math.NA stat.ML
A Super-Localized Generalized Finite Element Method
本文提出一种超局部化广义有限元方法,通过构造问题自适应基函数和单位分解保证稳定性,实现对任意粗糙系数椭圆方程的高效多尺度求解,并验证了其在高对比度通道化系数问题上的有效性。
2022-11-17 cs.NA math.NA
The Localized Reduced Basis Multiscale method for two-phase flows in porous media
Institute for Computational and Applied Mathematics(计算与应用数学研究所);Institute for Applied Analysis and Numerical Simulation(应用分析与数值模拟研究所);Institute for Modelling Hydraulic and Environmental Systems(水与环境系统建模研究所);SINTEF ICT(辛特夫信息与通信研究所)
本文提出一种新的降阶方法,通过将渗透性视为压力方程的参数,构建局部降阶基多尺度方法,实现高维压力方程的低维替代,提升两相流模拟效率。
2014-05-12 cs.NA math.NA
Heterogeneous Multiscale Method for elliptic problem without scale separation
该研究验证了异质多尺度方法可用于无尺度分离的椭圆问题,并指出局部正交方法是其特例,拓展了该多尺度方法的适用范围。
2024-11-01 cs.NA math.NA
An offline-online strategy for multiscale problems with random defects
本文提出了一种基于局部正交分解(LOD)方法的离线-在线策略来求解具有随机扰动扩散系数的椭圆多尺度问题。我们考虑一个周期性的确定性系数与局部缺陷发生的概率$p$。离线阶段预先计算单个参考元素上的全局LOD刚度矩阵的条目(利用周期性),以选择缺陷配置。给定扰动扩散的样本,然后在在线阶段通过采取预先计算的条目的线性组合来计算对应的LOD刚度矩阵。我们的可计算的误差估计表明,这产生了一个很好的粗尺度近似的解决方案,小$p$,这是由大量的数值实验所示。这使得所提出的技术已经在蒙特卡罗模拟中等样本量的吸引力。
2021-12-07 cs.NA math.NA
Adaptive multiscale model reduction for linear elasticity equation in perforated domains
Xiangtan University(湘潭大学);The Chinese University of Hong Kong(香港中文大学)
提出约束能量最小化广义多尺度有限元法求解穿孔域线弹性问题,通过离线构造局部能量最小化基函数捕捉穿孔引起的细尺度几何信息,在线阶段采用残差驱动基函数自适应提高精度,并证明收敛性。
2026-06-09 cs.NA math.NA
Towards Automatic and Reliable Localized Model Order Reduction
对由偏微分方程控制的现象进行基于有限元的模拟是当今许多工程工作流程中的标准工具。然而,复杂几何形状的模拟计算是昂贵的。许多工程工作流程需要多次仿真,其间有微小的非参数变化。局部化模型降阶用于随后的局部化变化的几何形状的模拟是非常有前途的。它产生了大量的计算任务,几乎没有依赖关系,因此并行化很好。此外,在后续模拟中重用中间结果的可能性可以导致大量的计算节省。在这篇论文中,我们研究了局部模型降阶的不同方面,并提出了各种改进。提出了一种名为ArbiLoMod的仿真方法,包括局部化训练、局部化后验误差估计和富集过程。提出并分析了一种新的具有可计算常数的局部后验误差估计器。提出了一种新的基于转移算子的训练算法。可以证明它的收敛速度几乎与该算子的奇异值衰减一样快。在印刷电路板中的电磁模拟中,观察到转移算子的谱快速衰减。提出了新的在线富集算法。所有结果都得到了数值实验的支持,并提供了再现的信源编码。
2019-08-06 cs.NA math.NA
Online adaptive basis refinement and compression for reduced-order models via vector-space sieving
Stanford University(斯坦福大学);Sandia National Laboratories(桑迪亚国家实验室)
本文提出了一种在线自适应机制,通过高效地丰富试基底来确保降阶模型(ROM)收敛到高保真全阶模型(FOM),同时不进行任何FOM求解。该方法基于之前提出的ROM的自适应h细化方法,改进之处在于允许对任何正交基底(不仅仅是克罗内克基底)进行基底细化,并提供一种快速的在线算法用于周期性压缩富集的基底。
2019-04-29 cs.NA math.NA
Local training and enrichment based on a residual localization strategy
针对参数化多重及大规模问题,提出结合局部离线训练、在线富集与误差控制的自适应局部模型降阶框架,并采用残差局部化策略导出局部后验误差估计器以自适应富集降阶解空间,数值实验验证了其有效性。
2024-04-25 cs.NA math.NA
Offline-online approximation of multiscale eigenvalue problems with random defects
本文针对多尺度随机扰动系数的椭圆特征值问题,提出基于局部正交分解的离线-在线多尺度方法,并改进在线阶段以提升中高缺陷概率下的性能,同时给出特征函数与特征值的先验误差估计。
2025-07-07 cs.NA math.NA
Adaptive Reduced Basis Methods for Multiscale Problems and Large-scale PDE-constrained Optimization
本文介绍了模型降阶方法的最新进展,主要目的是为参数化多尺度现象构造在线有效的简化代理模型,并加速大规模PDE约束参数最优化方法。特别是,我们提出了几种不同的自适应RB方法,可用于在一个错误感知的信任区域框架,逐步建设的代理模型在认证的外部优化循环。此外,我们阐述了几个不同的增强信赖域缩减基(TR-RB)算法,并将其推广到参数约束。由于降阶模型的后验误差估计,所得到的算法可以被认为是相对于高保真模型认证。此外,我们使用先优化再离散的方法,以便最大限度地利用问题的底层最优性系统。在本论文的第一部分,理论是基于全球RB技术,使用一个精确的有限元离散作为高保真模型。在第二部分中,我们重点研究了局部模型降阶方法,并针对局部正交分解(LOD)多尺度方法,提出了一种新的在线高效降阶模型。该降阶模型内部基于LOD的双尺度公式,特别是独立于LOD的粗和细离散化。本文的最后一部分致力于结合TR-RB方法和局部RB方法的LOD结果。为此,我们提出了一种算法,使用自适应局部化的减少基础的信赖域局部化的基础(TR-LRB)算法的框架中的方法。TR-RB的基本思想被遵循,但所涉及的系统的有限元评估是完全避免的。
2022-11-17 cs.NA math.NA
Spectral ACMS: A robust localized Approximated Component Mode Synthesis Method
针对含非均匀系数的二维对称椭圆偏微分方程,提出两种多尺度Galerkin有限元方法,第二种通过添加边模态实现与网格、对比度无关的最优误差估计,且对低正则性解仍最优收敛。
2025-05-19 cs.NA math.NA
Decoupling scales via localized subspace iteration and temporal splitting for multiscale parabolic equations
The Chinese University of Hong Kong(香港中文大学);Tongji University(同济大学);Nanjing University of Posts and Telecommunications(南京邮电大学)
本文提出一种多尺度抛物方程求解方法,通过局部子空间迭代构建低维试空间并结合时间分裂方案,有效抑制误差累积,建立能量和L2范数的先验误差估计,验证了方法的准确性和效率。
2026-05-09 cs.NA math.NA
A model reduction method for multiscale elliptic PDEs with random coefficients using an optimization approach
California Institute of Technology(加州理工学院);The University of Hong Kong(香港大学)
本文提出了一种基于优化方法的多尺度椭圆PDEs模型降阶方法,通过构造局部多尺度数据驱动随机基函数,实现高效求解具有随机系数的多尺度问题,具有较高的计算效率和收敛性分析。
2018-07-06 cs.NA math.NA
A Relaxed Localized Trust-Region Reduced Basis Approach for Optimization of Multiscale Problems
本文提出一种松弛局部化信赖域降阶基方法,结合Petrov-Galerkin局部正交分解与两尺度降阶基近似,用于高效求解多尺度偏微分方程约束的参数优化问题,并通过并行化数值实验验证其在大规模问题上的有效性。
2023-04-12 cs.NA math.NA math.OC
Adaptive Benign Overfitting (ABO): Overparameterized RLS for Online Learning in Non-stationary Time-series
University College London(伦敦大学学院)
ABO通过QR-EWRLS算法结合随机傅里叶特征和遗忘因子正则化,在非平稳条件下实现高效的在线学习,展现无害过拟合特性并提升预测精度与速度。
2026-01-29 cs.LG cs.MS cs.NA
Online interpolation point refinement for reduced order models using a genetic algorithm
遗传算法的程序证明,细化的离散经验插值方法(DEIM)的插值点的选择时,用于构建降阶模型的不定常和/或参数化的非线性偏微分方程(PDE)与适当的正交分解。该方法实现了几乎最优的插值点,只有几代的搜索,使其潜在的有用的{ \em在线}细化的稀疏采样用于构建一个投影的非线性项。与遗传算法,点进行优化,共同最大限度地减少重建误差,使动态政权分类。通过对圆柱绕流的五阶Ginzburg-Landau方程和Navier-斯托克斯方程的数值模拟,验证了该方法的有效性.使用前一个模型,该程序可以比较地面实况最优插值点,表明遗传算法快速达到接近最优的性能,并减少了近数量级的重建误差。
2016-07-24 cs.NA math.NA nlin.PS
Compressed Modes for Variational Problems in Mathematics and Physics
University of California, Los Angeles(加州大学洛杉矶分校);University of California, Irvine(加州大学尔湾分校)
本文提出一种通用框架,用于获得数学物理问题的局部解,涵盖量子力学中的薛定谔方程和光子晶体中的电磁方程,并扩展了平面波的概念到具有多分辨率能力的实空间基底。
2013-08-28 cs.NA math.NA physics.comp-ph
Optimal High-order Tensor SVD via Tensor-Train Orthogonal Iteration
Duke University(杜克大学);University of Wisconsin-Madison(威斯康星大学麦迪逊分校);Rice University(莱斯大学)
本文研究了高阶张量奇异值分解的一般框架。我们提出了一种新的计算效率高的算法,张量列车正交迭代(TTOI),其目的是估计低张量列车秩结构的噪声高阶张量观测。所提出的TTOI包括通过TT-SVD(Oseledets,2011)进行的初始化和新的迭代后向/前向更新。我们开发的一般上界的估计误差TTOI的支持下,几个新的表示引理张量矩阵化。通过建立一个匹配的信息论下界,我们还证明了TTOI在尖峰张量模型下达到了极大极小最优性。建议TTOI的优点说明通过应用程序估计和降维的高阶马尔可夫过程,数值研究,并在纽约市出租车行驶记录的真实数据的例子。所提出的算法的软件是可在线$^6$。
2022-01-24 cs.LG cs.NA math.NA