Evaluation of resonances: adaptivity and AAA rational approximation of randomly scalarized boundary integral resolvents

Sintesi Tecnica: Valutazione delle Risonanze tramite Approssimazione Razionale AAA Adattiva

Enunciato del Problema
Il documento affronta la sfida computazionale della valutazione delle risonanze acustiche ed elettromagnetiche in cavità aperte e chiuse, nonché in altre strutture di scattering. Matematicamente, queste risonanze corrispondono alle soluzioni $(u, k)$ del problema di autovalori di Helmholtz $\Delta u + k^2 u = 0$ soggetto a condizioni al contorno omogenee (Dirichlet, Neumann o Zaremba) su un dominio $\Omega$.

• Per i problemi interni, $k$ rappresenta autovalori reali.
• Per i problemi esterni e delle cavità aperte, $k$ rappresenta "poli di scattering" complessi o "autovalori complessi" situati nella metà inferiore del piano complesso ($\Im k \le 0$).

Il problema viene riformulato come un Problema di Autovalori Non Lineari (NEP) per una funzione matriciale $F(k)$, derivata dalla discretizzazione degli operatori di integrale di contorno. L'obiettivo è trovare valori complessi $k$ tali che $F(k)w = 0$ per un vettore non nullo $w$.

Metodologia
L'algoritmo proposto combina tre componenti primarie: un risolvente scalari stato casuale, l'algoritmo di approssimazione razionale AAA e una strategia di ricerca adattiva con una fase di raffinamento tramite metodo della secante.

1. Risolvente Scalarizzato: Invece di risolvere direttamente il pieno NEP matriciale, il metodo valuta una funzione scalare $S(k) = u^* F(k)^{-1} v$, dove $u$ e $v$ sono vettori casuali fissi in $\mathbb{C}^d$. I poli di $S(k)$ corrispondono agli autovalori del problema originale.
2. Approssimazione Razionale AAA: La funzione $S(k)$ è approssimata da una funzione razionale $r(k)$ utilizzando l'algoritmo AAA. Questo algoritmo seleziona greedymente punti di interpolazione e pesi per costruire un approssimante razionale baricentrico. I poli di questa funzione razionale $r(k)$ fungono da approssimazioni iniziali per le risonanze.
3. Strategia di Ricerca Adattiva: Per garantire che tutte le risonanze all'interno di un dominio di ricerca siano catturate, l'algoritmo impiega una suddivisione dicotomica ricorsiva del dominio (rettangoli nel piano complesso o intervalli sulla retta reale).
   • Algoritmo 1 (Base): Valuta $S(k)$ in un insieme di punti, costruisce l'approssimante AAA e restituisce i poli all'interno del dominio.
   • Algoritmo 2 (Adattivo): Suddivide ricorsivamente il dominio. Se il numero di poli trovati in una sottoregione cambia in seguito a un'ulteriore suddivisione, il processo si ripete. Ciò assicura che nessuna risonanza venga persa a causa di una densità di campionamento insufficiente.
4. Raffinamento e Verifica:
   • Metodo della Secante: Una volta identificati i poli iniziali, viene applicata una fase di terminazione del metodo della secante a $1/S(k)$ per ottenere una convergenza esponenziale verso la precisione vicina a quella di macchina. Questo passaggio fornisce anche una stima affidabile dell'errore e aiuta a filtrare gli autovalori spuri che l'algoritmo AAA potrebbe occasionalmente produrre.
   • Autofunzioni: Le corrispondenti autofunzioni vengono recuperate calcolando il nucleo (nullspace) di $F(k)$ agli autovalori raffinati utilizzando l'eliminazione gaussiana con pivoting.

Contributi Chiave

• Estrazione Diretta dei Poli: A differenza dei precedenti approcci basati su AAA che utilizzano l'approssimazione razionale per linearizzare il NEP, questo metodo utilizza direttamente i poli dell'approssimante razionale del risolvente scalarizzato come stime degli autovalori.
• Flessibilità Geometrica: Il ricorso all'approssimazione razionale piuttosto che all'integrazione su contorno consente l'uso di domini di ricerca arbitrari, inclusi regioni rettangolari e intervalli reali. Ciò facilita la progettazione della strategia di suddivisione adattiva, che è difficile da implementare efficientemente con i metodi tradizionali di integrazione su contorno (ad esempio, la regola del trapezio su rettangoli).
• Robustezza ed Efficienza: La combinazione di ricerca adattiva e raffinamento della secante garantisce un'alta accuratezza (vicina alla precisione di macchina) sia per gli stati a bassa che ad alta frequenza. Il metodo richiede solo la valutazione del risolvente scalarizzato a varie frequenze d'onda, il che è enormemente parallelizzabile.
• Gestione di Archi Aperti: Il lavoro estende il quadro teorico per relazionare i poli del risolvente con gli autovalori ai problemi di arco aperto, utilizzando specifiche relazioni di salto per la derivata normale del potenziale di singolo strato per gestire le singolarità di bordo.

Risultati Numerici
Il documento presenta una varietà di esperimenti numerici che dimostrano le prestazioni del metodo:

• Generali NEP: L'algoritmo ha identificato con successo tutti gli autovalori nei problemi "CD player" (60 autovalori) e "Butterfly" (256 autovalori) della collezione NLEVP.
• Scattering a Bassa Frequenza: Calcolo accurato degli autovalori per cavità a forma di aquilone e circolari con aperture. Il metodo ha gestito sia gli autovalori reali (interni) che i poli complessi vicino all'asse reale (cavità aperte).
• Confronto con l'Integrazione su Contorno: I confronti con il metodo block SS e l'algoritmo di Beyn "Integral Algorithm 1" hanno mostrato che, sebbene il metodo di Beyn possa convergere più velocemente senza raffinamento, il metodo proposto raggiunge un'accuratezza comparabile con il raffinamento locale. Fondamentalmente, il metodo proposto evita la necessità di molteplici risoluzioni di matrici per ogni punto di frequenza (richieste dal metodo block SS/Beyn quando $L > 1$), offrendo potenziali vantaggi per problemi 3D su larga scala dove la fattorizzazione LU non è disponibile.
• Asintotica della Dimensione del Gap: Il metodo è stato utilizzato per studiare la convergenza dei poli di scattering man mano che un arco aperto si avvicina a una curva chiusa. I risultati hanno mostrato che i tassi di decadimento ($\Im k$) convergono a velocità di $O(\theta^4)$ o $O(\theta^8)$ a seconda dell'allineamento del modo con il gap, mentre le frequenze spaziali ($\Re k$) convergono a $O(\theta^2)$ o $O(\theta^4)$.
• Prestazioni ad Alta Frequenza: L'algoritmo ha calcolato con successo 1.244 distinti autovalori interni per un cerchio unitario nell'intervallo $[1, 100]$ con accuratezza quasi pari a quella di macchina. Ha inoltre visualizzato le autofunzioni ad alta frequenza per domini a forma di aquilone e razzo, mostrando una forte corrispondenza tra le autofunzioni della cavità aperta e le soluzioni di scattering sotto illuminazione di onda piana.

Significatività e Rivendicazioni
Gli autori sostengono che l'approccio proposto sia semplice, facile da implementare e rapidamente convergente. La sua principale significatività risiede nella capacità di fornire approssimazioni altamente accurate di risonanze di scattering e soluzioni NEP attraverso un ampio intervallo di frequenze senza i vincoli geometrici imposti dai metodi di integrazione su contorno. La strategia adattiva assicura capacità di ricerca esaustiva, mentre la fase di raffinamento della secante garantisce alta precisione e affidabilità. Il documento posiziona questo metodo come un'alternativa flessibile agli esistenti eigensolver basati su integrazione su contorno, particolarmente vantaggiosa per problemi che coinvolgono geometrie complesse o dove le risorse computazionali per ripetute fattorizzazioni di matrici sono limitate.