Linear convergence of iterative contour integral-based eigensolvers for nonlinear eigenvalue problems

तकनीकी सारांश: गैररेखीय आइगेनवैल्यू समस्याओं के लिए पुनरावृत्ति कंटूर इंटीग्रल-आधारित आइगेनसॉल्वर्स का रैखिक अभिसरण (Linear Convergence)

समस्या विवरण
यह शोध पत्र गैररेखीय आइगेनवैल्यू समस्याओं (NEPs) को हल करने की चुनौती को संबोधित करता है, जो $T(\lambda)u = 0$ के रूप में होती हैं, जहाँ $T(\cdot)$ एक होलोमॉर्फिक मैट्रिक्स-वैल्यूड फंक्शन है। यद्यपि कंटूर इंटीग्रल-आधारित विधियाँ एक निर्धारित डोमेन $D \subset \mathbb{C}$ के भीतर सभी आइगेनवैल्यूज़ को लक्षित करने के लिए विश्वसनीय हैं, लेकिन बेन (Beyn) की विधि और नॉनलीन सकुराई-सुगीउरा (SS) विधि जैसे पारंपरिक दृष्टिकोणों में अंतर्निहित पुनरावृत्ति परिशोधन (iterative refinement) तंत्र का अभाव है। फलस्वरूप, इन विधियों में उच्च सटीकता प्राप्त करने के लिए क्वाड्रचर नोड्स (quadrature nodes) की संख्या बढ़ाना आवश्यक होता है ताकि विविक्तता त्रुटि (discretization error) को कम किया जा सके, जिससे बार-बार मैट्रिक्स फैक्टराइजेशन के कारण अत्यधिक कम्प्यूटेशनल लागत आती है। हालाँकि NLFEAST एल्गोरिदम कंटूर इंटीग्रल को एक नॉनलीन रेले-रिट्ज़ निष्कर्षण चरण के साथ जोड़ता है और अनुभवजन्य रूप से एक पुनरावृत्ति विधि की तरह व्यवहार करता है, लेकिन इसके सैद्धांतिक अभिसरण गुणों को पर्याप्त रूप से समझा नहीं गया है।

कार्यप्रणाली और ढांचा (Methodology and Framework)
लेखक एक सामान्य ढांचे (एल्गोरिदम 1) का प्रस्ताव करते हैं जो मौजूदा विधियों को एकीकृत करता है और अभिसरण विश्लेषण की सुविधा प्रदान करता है। यह ढांचा प्रति पुनरावृत्ति (iteration) दो वैकल्पिक चरणों में कार्य करता है:

1. निष्कर्षण (Extraction): एक उप-स्थान (subspace) $X^{(k)}$ दिया गया है, जिसका उपयोग करके रेले-रिट्ज़ प्रक्रिया द्वारा अनुमानित आइगेनपेयर्स $(\rho_i^{(k)}, x_i^{(k)})$ निकाले जाते हैं।
2. फिल्टरिंग (Filtering): अनुमानित आइगेनवेक्टर्स पर एक फिल्टर ऑपरेटर $F_{it}(\rho_i^{(k)})$ लागू किया जाता है ताकि एक नया उप-स्थान $X^{(k+1)}$ बनाया जा सके। यह फिल्टर स्पेक्ट्रल प्रोजेक्टर के कंटूर इंटीग्रल प्रतिनिधित्व से प्राप्त एक निरंतर ऑपरेटर $F_{ci}(\rho)$ का एक विविक्त सन्निकटन (discretized approximation) है।

निरंतर ऑपरेटर $F_{ci}(\rho)$ को इस प्रकार परिभाषित किया गया है:
$$F_{ci}(\rho) := \frac{1}{2\pi i} \oint_{\partial D} \frac{1}{\xi - \rho} \left( I - T(\xi)^{-1}T(\rho) \right) d\xi$$
केल्डिस (Keldysh) के प्रमेय का उपयोग करते हुए, लेखक इस ऑपरेटर के स्पेक्ट्रल गुणों को स्पष्ट करते हैं, यह दिखाते हुए कि यह लक्षित आइगेनस्पेस के बाहर के घटकों को शून्य कर देता है जबकि इसके भीतर के घटकों को सुरक्षित रखता है।

मुख्य योगदान और सैद्धांतिक परिणाम
इस शोध पत्र का प्राथमिक योगदान इस ढांचे के लिए एक कठोर अभिसरण सिद्धांत स्थापित करना है:

• पुनरावृत्ति परिशोधन के लिए आवश्यक शर्त: लेखक प्रदर्शित करते हैं कि एक पुनरावृत्ति विधि के अभिसरण के लिए, फिल्टर को अनुमानित आइगेनवेक्टर्स को लक्षित इनवेरिएंट सबस्पेस $U_D$ में मैप करना चाहिए जैसे-जैसे सन्निकटन में सुधार होता है। वे सिद्ध करते हैं कि मानक विविक्तकरण (discretizations), जैसे कि बेन की विधि में उपयोग किए जाने वाले, इस शर्त को पूरा करने में विफल रहते हैं क्योंकि विविक्त पेंसिल $M_{1,N} - \xi M_{0,N}$ सटीक NEP के समान इनवेरिएंट सबस्पेस साझा नहीं करता है जब तक कि क्वाड्रचर सटीक न हो। यह स्पष्ट करता है कि बेन की विधि केवल पुनरावृत्ति के माध्यम से सटीकता में सुधार क्यों नहीं कर सकती है।
• रैखिक अभिसरण के लिए पर्याप्त शर्त (थ्योरम 6): सौम्य धारणाओं (सरल आइगेनवैल्यू और रैखिक रूप से स्वतंत्र आइगेनवेक्टर्स) के तहत, वे सिद्ध करते हैं कि यदि फिल्टर परिवार विशिष्ट स्पर्शोन्मुख त्रुटि सीमाओं (asymptotic error bounds) को संतुष्ट करता है (जहाँ "सबस्पेस-के-बाहर" के घटकों की त्रुटि $\gamma_N$ के कारक द्वारा कम हो जाती है), तो एल्गोरिदम स्थानीय रैखिक अभिसरण प्रदर्शित करता है। विशेष रूप से, गणना किए गए उप-स्थान और सटीक आइगेनस्पेस के बीच का कोण रैखिक रूप से घटता है: $\angle(X^{(k+1)}, U_D) = O(\gamma_N \angle(X^{(k)}, U_D))$।
• NLFEAST का अभिसरण (थ्योरम 7 और कोरोलरी 8): लेखक इस सिद्धांत को NLFEAST एल्गोरिदम पर लागू करते हैं। NLFEAST में परिभाषित विशिष्ट फिल्टर संरचना (इंडिकेटर फंक्शन का एक परिमेय सन्निकटन और रेसिड्यूल इनवर्स इटरेशन अवधारणा का संयोजन) का उपयोग करते हुए, वे सिद्ध करते हैं कि NLFEAST रैखिक अभिसरण के लिए आवश्यक शर्तों को पूरा करता है। अभिसरण दर क्वाड्रचर त्रुटि $\gamma_N$ पर निर्भर करती है, जो क्वाड्रचर नोड्स $N$ की संख्या के साथ तेजी से (exponentially) घटती है।

संख्यात्मक परिणाम
सैद्धांतिक निष्कर्षों को NLEVP संग्रह के नौ चुनौतीपूर्ण NEPs और एक विशिष्ट फोटोनिक समस्या पर व्यापक संख्यात्मक प्रयोगों के माध्यम से सत्यापित किया गया है:

• अभिसरण व्यवहार: प्रयोग पुष्टि करते हैं कि NLFEST रैखिक अभिसरण प्राप्त करता है, जिसमें पुनरावृत्ति के साथ अवशेष (residuals) लगातार घटते हैं, भले ही क्वाड्रचर नोड्स की संख्या सीमित हो।
• बेन की विधि के साथ तुलना: प्रत्यक्ष तुलनाओं में, NLFEAST उच्च सटीकता तक पहुँचने के लिए आवश्यक कम्प्यूटेशनल समय के मामले में बेन की विधि से काफी बेहतर प्रदर्शन करता है। जबकि बेन की विधि को सटीकता सुधारने के लिए $N$ (और इस प्रकार मैट्रिक्स को पुनः फैक्टराइज करने) को बढ़ाने की आवश्यकता होती है, NLFEAST पहले पुनरावृत्ति में गणना किए गए मैट्रिसेस $T(\xi_j)$ के LU फैक्टराइजेशन का पुन: उपयोग करता है, और बाद के चरणों में सस्ते ट्राइएंगुलर सॉल्व्स (triangular solves) पर निर्भर करता है।
• मजबूती (Robustness): विधि को उन विशेष मामलों में भी मजबूत दिखाया गया है जहाँ विभिन्न आइगेनवैल्यू के अनुरूप आइगेनवेक्टर्स रैखिक रूप से निर्भर होते हैं (उदाहरण के लिए, समान बाएँ या दाएँ आइगेनवेक्टर्स साझा करना), बशर्ते कि एक विश्वसनीय सॉल्वर का उपयोग किया जाए।

महत्व और दावे
शोध पत्र का दावा है कि यह NLFEAST के रैखिक अभिसरण के लिए पहला सैद्धांतिक औचित्य प्रदान करता है, यह स्पष्ट करता है कि यह एक प्रभावी पुनरावृत्ति विधि के रूप में क्यों कार्य करता है जबकि अन्य कंटूर इंटीग्रल-आधारित दृष्टिकोण (जैसे बेन की विधि) ऐसा नहीं करते हैं। लेखक इस बात पर जोर देते हैं कि उनका विश्लेषण कुछ विधियों के अभिसरण में "विफलता" को स्पष्ट करता है: उनमें उप-स्थान मैनिफोल्ड में एक फिक्स्ड पॉइंट की कमी होती है क्योंकि क्वाड्रचर त्रुटियां ऐसी होती हैं जिन्हें पुनरावृत्ति द्वारा कम नहीं किया जा सकता है।

इसका महत्व इस तथ्य में निहित है कि बिना क्वाड्रचर नोड्स की संख्या को अनिश्चित काल तक बढ़ाने की अत्यधिक लागत के, NEPs में उच्च सटीकता प्राप्त की जा सकती है। इसके बजाय, मध्यम संख्या में नोड्स को पुनरावृत्ति परिशोधन (जैसा कि NLFEAST में है) के साथ संयोजित करना पर्याप्त है। लेखक निष्कर्ष निकालते हैं कि यह ढांचा बेहतर गुणों वाले नवीन पुनरावृत्ति गैररेखीय आइगेनसॉल्वर्स को डिजाइन करने का मार्ग प्रशस्त करता है, हालांकि वे विनम्रतापूर्वक नोट करते हैं कि ऐसे फिल्टर का निर्माण करना जो अभिसरण की शर्तों को पूरा करते हों, चुनौतीपूर्ण बना हुआ है और वर्तमान में, NLFEAST ही एकमात्र ज्ञात उदाहरण है जो इस ढांचे में फिट बैठता है।