跳转至
应用数学 2026 · 11

MOI Poisson

发布于 1,810 字 · 约 5 分钟

求解横向周期、两壁零 Dirichlet 的 Poisson 问题:

\[ \boxed{ \Delta u=f\quad\text{于 }D=(0,1)\times(0,1),\qquad u(x+1,z)=u(x,z),\qquad u(x,0)=u(x,1)=0. } \]

令 \(\Omega=[0,2)^2\)。将 \(f\) 延拓为

\[ F(x,z)= \begin{cases} f(x,z),&(x,z)\in Q_0,\\ f(x-1,z),&(x,z)\in Q_1,\\ -f(x,2-z),&(x,z)\in Q_2,\\ -f(x-1,2-z),&(x,z)\in Q_3, \end{cases} \]

其中 \(Q_0,Q_1,Q_2,Q_3\) 分别是左下、右下、左上、右上四个单位正方形。

这个延拓满足

\[ F(x+1,z)=F(x,z),\qquad F(x,2-z)=-F(x,z), \qquad \int_\Omega F=0. \]

因此可以解零均值周期问题

\[ \boxed{ \Delta U=F\quad\text{于 }\Omega,\qquad U\text{ 在两个方向周期 }2,\qquad \int_\Omega U=0. } \]

由反射对称性和零均值周期解的唯一性,

\[ U(x,2-z)=-U(x,z). \]

于是

\[ U(x,1)=0,\qquad U(x,0)=-U(x,2)=-U(x,0)=0. \]

同理,\(U(x+1,z)=U(x,z)\)。所以

\[ \boxed{u=U|_D.} \]

定义边长 2 的周期 Green 函数:

\[ \boxed{ G_\Omega(x,z)= -\frac1{4\pi^2} \sum_{\substack{m,n\in\mathbb Z\\(m,n)\ne(0,0)}} \frac{e^{i\pi(mx+nz)}}{m^2+n^2}. } \]

记 \(r=(x,z)\),\(\delta_{\rm per}\) 为周期格点 \(2\mathbb Z^2\) 上的 Dirac 点质量之和,则

\[ \Delta G_\Omega(r)=\delta_{\rm per}(r)-\frac14, \qquad \int_\Omega G_\Omega=0. \]

令 \(y\in\Omega\) 为源点,周期解为

\[ U(r)=\int_\Omega G_\Omega(r-y)F(y)\,dy. \]

定义实际使用的源多项式和分片源为

\[ F_C(y)=\sum_{j,k\ge0,\ j+k\le7}a_{jk}^C T_j(\xi_C(y))T_k(\eta_C(y)), \qquad F_h(y)=F_C(y)\quad(y\in C), \]

我们希望计算的势就是

\[ \boxed{ U_h(r)=\int_\Omega G_\Omega(r-y)F_h(y)\,dy. } \]

\(U_h\) 满足 \(\Delta U_h=F_h\),\(\int_\Omega U_h=0\)。

自由空间核为

\[ G_0(r)=\frac{\log|r|}{2\pi},\qquad \Delta G_0=\delta_0, \]

原先我们有的 FMM 算法是用 \(G_0\) 这个自由空间核计算近场的 FMM,对于远场我们希望使用 \(G_\Omega\) 这个周期核。于是我们考虑完整的周期势减去已经计算的近场部分,定义:

\[ \boxed{ V_{\rm far}^B(w)=\int_\Omega G_\Omega(w-y)F_h(y)\,dy -\sum_{C\in\mathcal N(B)}\int_CG_0(w-y)F_C(y)\,dy } \]

即

\[ \boxed{ U_h(w)=V_{\rm far}^B(w) +\sum_{C\in\mathcal N(B)}\int_CG_0(w-y)F_C(y)\,dy } \]

记 \(F_h^{\rm per}\) 为 \(F_h\) 的周期延拓,\(\mathbf1_C\) 为盒 \(C\) 的示性函数。完整周期势 \(U_h\) 满足:

\[ \Delta U_h(w) = F_h^{\mathrm{per}}(w) -\frac1{|\Omega|}\int_\Omega F_h(y)\,dy. \]

另一方面,近场势满足

\[ \Delta_w \left[ \sum_{C\in\mathcal N(B)} \int_CG_0(w-y)F_C(y)\,dy \right] = \sum_{C\in\mathcal N(B)} \mathbf1_C(w)F_C(w). \]

两式相减:

\[ \Delta V_{\mathrm{far}}^B(w) = F_h^{\mathrm{per}}(w) -\frac1{|\Omega|}\int_\Omega F_h\,dy -\sum_{C\in\mathcal N(B)}\mathbf1_C(w)F_C(w). \]

在目标盒附近,

\[ F_h^{\mathrm{per}}(w) = \sum_{C\in\mathcal N(B)}\mathbf1_C(w)F_C(w). \]

以及

\[ \int_\Omega F_h\,dy=0. \]

于是

\[ \boxed{\Delta V_{\mathrm{far}}^B=0 \quad\text{在目标盒附近}.} \]

在二维,将目标点写成复数 \(w=x+iz\),盒中心记为 \(c_B\),调和函数在中心附近可以表示为解析函数的实部:

\[ V_{\rm far}^B(w)=\operatorname{Re}\sum_{n=0}^{\infty}L_n^B(w-c_B)^n. \]

截断到阶数 \(p\),就得到

\[ \boxed{ U_h(w)\approx \operatorname{Re}\sum_{n=0}^{p}L_n^B(w-c_B)^n + \sum_{C\in\mathcal N(B)} \int_CG_0(w-y)F_C(y)\,dy. } \]

系数 \(L_n^B\) 的计算正是原周期 FMM 已经具备的功能。具体而言,令物理目标叶盒集合为 \(\mathcal L_D\),这些叶盒及其祖先组成 \(\mathcal T_D\)。原 FMM 对 \(\mathcal T_\Omega\) 中的全部目标盒形成局部展开,再对 \(\mathcal L_\Omega\) 中的全部目标叶盒计算近场积分和节点值。

由于我们只需要物理域 \(D\) 内的目标,将这两个目标计算范围改为

\[ \boxed{ \mathcal T_\Omega\longrightarrow\mathcal T_D, \qquad \mathcal L_\Omega\longrightarrow\mathcal L_D. } \]

源端仍保留整个 \(2\times2\) 扩展域:全部镜像源的展开、上行和周期作用不变。对保留的目标盒,其远场列表 \(\mathcal I(B)\) 和近场列表 \(\mathcal N(B)\) 仍来自完整扩展源树,包括相应的周期位移源盒。

根盒的局部展开由全部源上行后的周期转换初始化。对非根盒 \(B\in\mathcal T_D\),仍使用原递推式(\(0\le n\le p\)):

\[ L_n^B = L_n^{B\leftarrow\operatorname{parent}(B)} + \sum_{C\in\mathcal I(B)}L_n^{B\leftarrow C}. \]

其中第一项是父盒局部展开平移到盒中心 \(c_B\) 后的系数,第二项是原交互划分中分配给 \(B\) 的远场贡献。

对物理目标叶盒 \(B\in\mathcal L_D\),在其 Chebyshev 节点集合 \(X_B\) 上计算近似解:

\[ \boxed{ u_h(w)= \operatorname{Re}\sum_{n=0}^{p}L_n^B(w-c_B)^n + \sum_{C\in\mathcal N(B)} \int_CG_0(w-y)F_C(y)\,dA_y, \qquad w\in X_B. } \]

因此,裁剪省去外部目标不再需要的局部展开接收与下行、近场积分和节点求值。物理目标及其祖先的计算依赖全部保留,外部目标输出不参与源上行,所以保留目标的源贡献、交互划分和求值公式不变。

省去的计算:

  • 对 \(B\in\mathcal T_\Omega\setminus\mathcal T_D\),跳过其不再需要的远场接收和下行计算;
  • 对 \(B\in\mathcal L_\Omega\setminus\mathcal L_D\),不再计算 [ \left{ \operatorname{Re}\sum_{n=0}^{p}L_n^B(w-c_B)^n \right}{w\in X_B}, \qquad \left{ \sum \int_CG_0(w-y)F_C(y)\,dA_y \right}_{w\in X_B}. ]

数值实验。

以下均使用每叶 \(8\times8\) 个第一类 Chebyshev 根节点和 iprec=4。令 \(X_D=\bigcup_{B\in\mathcal L_D}X_B\),\(u\) 为解析解,\(u_h^{(m)}\) 为模式 \(m\) 的节点解,定义

\[ E_m=\frac{\max_{w\in X_D}|u_h^{(m)}(w)-u(w)|} {\max_{w\in X_D}|u(w)|},\qquad E_{\rm diff}=\frac{\max_{w\in X_D}|u_h^{(\rm clip)}(w)-u_h^{(\rm old)}(w)|} {\max_{w\in X_D}|u(w)|}. \]

其中 old、clip 分别表示原 MOI、裁剪 MOI。性能比较选择三个源:

\[ f_1=\sin(2\pi x)\sin(2\pi z),\qquad f_2=\sin(6\pi x)\sin(4\pi z),\qquad f_3=f_1+0.3f_2. \]

其解析解为

\[ \Delta^{-1}f_1=-\frac{f_1}{8\pi^2},\qquad \Delta^{-1}f_2=-\frac{f_2}{52\pi^2},\qquad \Delta^{-1}f_3=-\frac{f_1}{8\pi^2}-\frac{0.3f_2}{52\pi^2}. \]

这三个解析解既满足两壁零值,又在 \(x,z\) 方向周期 1 且均值为零。

本批取 64、256、1024 个物理叶的三棵均匀固定树,每树三个源,共 9 个配置。

物理叶数 原 MOI / ms 裁剪 MOI / ms DP / ms 相对原 MOI 的配对节省
64 10.97 4.79 3.20 56.4%
256 42.04 17.26 11.19 58.9%
1024 148.98 60.30 36.51 59.3%

三种模式的节点误差在相同源、相同树上基本相同。汇总先对每模式的 18 个计时块取 \(E_m\) 最大值;下表除 1024 叶 \(f_1\) 一格保留三模式范围外,其余各格列三模式最大值:

物理叶数 \(f_1\) \(f_2\) \(f_3\)
64 \(2.20\times10^{-10}\) \(9.03\times10^{-7}\) \(4.16\times10^{-8}\)
256 \(7.46\times10^{-13}\) \(1.55\times10^{-9}\) \(7.18\times10^{-11}\)
1024 \((0.8\text{–}2.3)\times10^{-14}\) \(4.68\times10^{-12}\) \(2.20\times10^{-13}\)

MOI/DP 耗时比Fig. 1MOI/DP 耗时比

完

评论

查看图表
本文目录