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

技術要約：マクロおよびミクロ成分における解分解を用いたハイブリッド二レベル輸送法

問題提起
本論文は、一群定常状態ボルツマン輸送方程式を解く際の計算上の課題に対処している。決定論的手法はメッシュの細分化に伴い収束するものの、離散化誤差が生じる。一方で、確率論的なモンテカルロ（MC）法は統計的ノイズのみを導入し、それは粒子数とともに減少するが、分散のために計算コストが高くなる可能性がある。著者らは、解をマクロ成分とミクロ成分に分解することで、計算効率を向上させ、分散を低減させるハイブリッドMC/決定論的アプローチの開発を目指している。

手法
提案手法であるハイブリッド・マイクロ・マクロ輸送（HMMT）法は、角フラックス $\psi(x, \mu)$ をマクロ成分 $\Psi(x, \mu)$ とミクロ成分 $\delta\psi(x, \mu)$ に分解することに基づいている：
$$\psi(x, \mu) = \Psi(x, \mu) + \delta\psi(x, \mu)$$

• マクロ成分： この成分は解の大規模な構造を捉える。これは $P_1$ 近似を用いて定義され、角フラックスは最初の2つの角度モーメント（スカラーフラックス $\phi$ および電流 $J$）から再構成される。これらのモーメントは、低次準拡散（LOQD）方程式、別名変数エディントン因子（VEF）方程式によって得られる。LOQDシステムは、エディントン因子と境界因子によって定義される厳密な閉鎖関係を利用する。
• ミクロ成分： この成分は、マクロ解からの微細な偏差を表す。これは、マクロ成分から導出されたソース項を持つ輸送方程式によって支配される。極めて重要な点として、ミクロ方程式には散乱項が含まれておらず、モンテカルロ・シミュレーションを用いて解かれる。
• 反復解法スキーム： システムは固定点反復スキーム（アルゴリズム1）を介して解かれる：
  1. LOQD解法： 前回の反復からの閉鎖因子（$E, C_L, C_R$）を用いて、決定論的なLOQD方程式を解き、マクロモーメント（$\phi, J$）を更新し、$\Psi$ を再構成する。
  2. MC解法： ミクロ輸送方程式をMCを用いて解く。このステップのソース項は、更新されたマクロ解から構築される。MCシミュレーションでは、分解から生じ得る負のソース項を扱うために、正および負の両方の重みを持つ粒子を使用する。
  3. 閉鎖の更新： MCシミュレーションは、ミクロ成分の角度モーメント（$\delta\phi, \delta J$）を集計する。これらは、次の反復のための更新されたエディントン因子および境界因子を計算するために、マクロモーメントと結合される。
  4. 収束： スカラーフラックスが指定された許容誤差内で収束するまで、このプロセスを繰り返す。

主な貢献

• 新規な分解： 本論文は、マクロ成分がLOQD方程式から導出された$P_1$近似モーメントによって厳密に定義される一方で、ミクロ成分が非散乱のMC問題として扱われる、特定のハイブリッドフレームワークを導入している。
• 厳密な閉鎖： 本手法は、エディントン因子がマクロ成分とミクロ成分の和に基づいて動的に計算される、低次方程式のための厳密な閉鎖関係を採用している。
• 分散低減メカニズム： 主な大規模挙動を決定論的に解き、残差となるミクロ成分に対してのみMCを用いることで、純粋なMCシミュレーションに固有の統計的ノイズを低減することを目指している。

数値結果
本手法は、光学的に厚い障壁を持つ不均質スラブ問題に対してテストされ、従来の暗黙的キャプチャ（IC）を用いたMC解と比較された。

• 精度： HMMT解は、特にソース領域および光学的に厚い障壁の背後のサブドメインにおいて、従来のMC解よりも高い精度を示した。相対誤差の$L_2$ノルムは、MCの1.3に対し、HMMTでは0.48であった。
• 分散低減： バッチ相対分散は、ソース領域および障壁の背後の領域において大幅に減少した。HMMT解は、標準的なMCアプローチと比較して、2-ノルムにおいて約2桁少ない分散を示した。
• 収束性： 本手法は、粒子数（$N$）に対して $O(N^{-1/2})$、メッシュサイズ（$\Delta x$）に対して $O(\Delta x)$ の近理論的な収束率を達成した。粒子数が多い場合、離散化誤差により誤差はプラトーに達したが、これは理論的期待と一致している。
• 効率（性能指数）： HMMT法の性能指数（FOM）は、従来のMC法よりも100倍以上大きいことが判明した。この改善は、減少した分散と、HMMT法のMC部分が通常最も計算負荷の高い輸送シミュレーションの構成要素である散乱イベントを含まないことによる、実行時間の短縮の両方に起因している。

意義および主張
著者らは、HMMT法が、暗黙的キャプチャを用いた標準的なMCアルゴリズムと比較して、確率論的数値解の分散の低減と計算効率の著しい向上を成功裏に実証したと主張している。本論文は、この研究を定常状態の輸送問題のための新しいハイブリッドアプローチとして位置付けている。著者らは、今後の研究として、様々なテスト問題への適用、マクロ成分の異なる定義の探索、他の種類の低次方程式の適用、および高度な離散化スキームの調査を行うと述べている。本研究は、Center for Advancing the Radiation Resilience of Electronics (CARRE) の支援を受けたものである。