Hybrid Two-Level Transport Method with Solution Decomposition in Macro and Micro Components

Résumé Technique : Méthode de Transport Hybride à Deux Niveaux avec Décomposition de Solution dans les Composantes Macro et Micro

Énoncé du Problème
L'article traite du défi computationnel que représente la résolution de l'équation de transport de Boltzmann stationnaire à un seul groupe. Alors que les méthodes déterministes offrent une convergence avec le raffinement du maillage mais souffrent d'erreurs de discrétisation, les méthodes stochastiques de Monte Carlo (MC) n'introduisent qu'un bruit statistique qui diminue avec le nombre de particules, mais peuvent être coûteuses en raison de la variance. Les auteurs visent à développer une approche hybride MC/déterministe qui améliore l'efficacité de calcul et réduit la variance en décomposant la solution de transport en composantes macroscopiques et microscopiques.

Méthodologie
La méthode proposée, nommée méthode de Transport Hybride Micro-Macro (HMMT), repose sur la décomposition du flux angulaire $\psi(x, \mu)$ en une composante macro $\Psi(x, \mu)$ et une composante micro $\delta\psi(x, \mu)$ :
$$\psi(x, \mu) = \Psi(x, \mu) + \delta\psi(x, \mu)$$

• Composante Macro : Cette composante capture la structure à grande échelle de la solution. Elle est définie à l'aide de l'approximation $P_1$, où le flux angulaire est reconstruit à partir des deux premiers moments angulaires (flux scalaire $\phi$ et courant $J$). Ces moments sont obtenus en résolvant des équations de quasi-diffusion (LOQD) d'ordre bas, également connues sous le nom d'équations de Facteur d'Eddington Variable (VEF). Le système LOQD utilise des fermetures exactes définies par des facteurs d'Eddington et des facteurs de bord.
• Composante Micro : Cette composante représente les écarts à petite échelle par rapport à la solution macro. Elle est régie par une équation de transport avec un terme source dérivé de la composante macro. Crucialement, l'équation micro ne contient pas de terme de diffusion ; elle est résolue à l'aide d'une simulation Monte Carlo.
• Schéma de Résolution Itératif : Le système est résolu via un schéma d'itération à point fixe (Algorithme 1) :
  1. Résolution LOQD : En utilisant les facteurs de fermeture ($E, C_L, C_R$) de l'itération précédente, les équations LOQD déterministes sont résolues pour mettre à jour les moments macro ($\phi, J$) et reconstruire $\Psi$.
  2. Résolution MC : L'équation de transport micro est résolue par MC. Le terme source pour cette étape est construit à partir de la solution macro mise à jour. La simulation MC utilise des particules avec des poids positifs et négatifs pour gérer les termes sources potentiellement négatifs résultant de la décomposition.
  3. Mise à jour de la Fermeture : La simulation MC comptabilise les moments angulaires de la composante micro ($\delta\phi, \delta J$). Ceux-ci sont combinés avec les moments macro pour calculer les facteurs d'Eddington et de bord mis à jour pour l'itération suivante.
  4. Convergence : Le processus se répète jusqu'à ce que le flux scalaire converge selon une tolérance spécifiée.

Contributions Clés

• Décomposition Novatrice : L'article introduit un cadre hybride spécifique où la composante macro est strictement définie par des moments d'approximation $P_1$ dérivés des équations LOQD, tandis que la composante micro est traitée comme un problème MC sans diffusion.
• Fermetures Exactes : La méthode emploie des fermetures exactes pour les équations d'ordre bas, où les facteurs d'Eddington sont calculés dynamiquement sur la base de la somme des composantes macro et micro.
• Mécanisme de Réduction de la Variance : En résolvant le comportement dominant à grande échelle de manière déterministe et en utilisant MC uniquement pour le résidu micro, la méthode vise à réduire le bruit statistique inhérent aux simulations MC pures.

Résultats Numériques
La méthode a été testée sur un problème de plaque hétérogène présentant une barrière optiquement épaisse, comparant les résultats HMMT à une solution MC traditionnelle avec capture implicite (IC).

• Précision : La solution HMMT a démontré une précision plus élevée que la solution MC traditionnelle, particulièrement dans la région de la source et le sous-domaine derrière la barrière optiquement épaisse. La norme $L_2$ de l'erreur relative était de 0,48 pour HMMT contre 1,3 pour MC.
• Réduction de la Variance : La variance relative par lot a été significativement réduite dans la région de la source et la région derrière la barrière. La solution HMMT a présenté une variance environ deux ordres de grandeur inférieure à l'approche MC standard.
• Convergence : La méthode a atteint des taux de convergence proches de la théorie ($O(N^{-1/2})$) par rapport au nombre de particules ($N$) et $O(\Delta x)$ par rapport à la taille du maillage ($\Delta x$). À des nombres de particules élevés, l'erreur a plafonné en raison de l'erreur de discrétisation, ce qui est cohérent avec les attentes théoriques.
• Efficacité (Figure de Mérite) : La Figure de Mérite (FOM) pour la méthode HMMT s'est avérée plus de 100 fois supérieure à celle de la méthode MC traditionnelle. Cette amélioration est attribuée à la fois à la réduction de la variance et à la réduction du temps d'exécution, car la partie MC de la méthode HMMT ne comporte aucun événement de diffusion, qui sont typiquement les parties les plus coûteuses en calcul des simulations de transport.

Signification et Revendications
Les auteurs affirment que la méthode HMMT démontre avec succès une réduction de la variance de la solution numérique stochastique et une amélioration significative de l'efficacité de calcul par rapport aux algorithmes MC standards avec capture implicite. L'article positionne ce travail comme une nouvelle approche hybride pour les problèmes de transport stationnaires. Les auteurs notent que les recherches futures impliqueront l'analyse de la méthode sur divers problèmes de test, l'exploration de différentes définitions de la composante macro, l'application d'autres types d'équations d'ordre bas et l'investigation de schémas de discrétisation avancés. Ce travail a été soutenu par le Center for Advancing the Radiation Resilience of Electronics (CARRE).