An Adjoint Projection Formulation for Enforcing the divergence-free Constraint in Smoothed Particle Magnetohydrodynamics

Technische Samenvatting: Een Adjoint Projectieformulering voor het Afdwingen van de $\nabla \cdot \mathbf{B} = 0$ Constante in Smoothed Particle Magnetohydrodynamics

Probleemstelling
In magnetohydrodynamica (MHD) is de solenoidale constante $\nabla \cdot \mathbf{B} = 0$ een fundamentele fysieke vereiste. Hoewel mesh-gebaseerde codes vaak constrained transport (CT) gebruiken om deze constante discreet te behouden, missen meshless methoden zoals Smoothed Particle Magnetohydrodynamics (SPMHD) een natuurlijke face–edge topologie om CT direct toe te passen. Bijgevolg is de mainstream benadering in SPMHD "divergentie-reiniging" (divergence cleaning), waarbij een hulpveld van een scalaire grootheid wordt geëvolueerd om divergentiefouten te propageren en te dempen. Echter, reinigingsmethoden introduceren fysieke parameters (propagatiesnelheid en dempings Tijdschaal) die de uitkomsten van simulaties kunnen beïnvloeden als deze niet consistent worden gekozen, met name in systemen met grote dynamische bereiken. Eerdere projectiepogingen in SPMHD, zoals die van Price en Monaghan, maakten gebruik van zwaartekrachtachtige sommaties voor correcties, maar leden aan inconsistenties tussen de divergentie-operator die fouten mat en de gradiënt-operator die correcties berekende, wat leidde tot slechte prestaties op kortgolvige ruis.

Methodologie
Het artikel stelt een projectiemethode voor die de discrete divergentievrije constante afdwingt door na elke MHD-update een elliptisch probleem op te lossen. De kerninnovatie is de constructie van een correctie-operator die strikt de adjoint is van de discrete divergentie-operator die de fout meet, gedefinieerd binnen een volume-gewogen metriek.

1. Formulering: De methode zoekt een gecorrigeerd magnetisch veld $\mathbf{B}^{n+1}$ dat de verandering in de discrete magnetische energienorm minimaliseert (gedefinieerd door deeltjesvolumes $V_i = m_i/\rho_i$) onder de voorwaarde $D\mathbf{B}^{n+1} = 0$. Hierbij is $D$ de discrete SPH-divergentie-operator.
2. Adjoint Gradiënt: Door een Lagrange-multiplier veld $\pi$ te introduceren, wordt de correctie afgeleid als $\mathbf{B}^{n+1} = \mathbf{B}^* - \mathcal{G}\pi$. De operator $\mathcal{G}$ is expliciet geconstrueerd als de volume-metrische adjoint van $D$ ($\mathcal{G} = M_V^{-1} D^T$). Dit zorgt ervoor dat de correctieruimte orthogonaal is aan de divergentievrije subruimte met betrekking tot de volume-innerproduct.
3. Discretisatie: Het artikel leidt expliciete SPH-formules af voor zowel de divergentie-operator $D$ als zijn adjoint gradiënt $\mathcal{G}$. Cruciaal is dat de adjoint gradiënt rekening houdt met de asymmetrie in SPH-afgeleidecoëfficiënten (voortkomend uit variërende smoothing lengths en dichtheden) door gebruik te maken van de specifieke naburige-lijst symmetrie en volume-weging.
4. Numerieke Oplossing: De resulterende projectievergelijking $L\pi = r$ (waarbij $L = D\mathcal{G}$) vormt een symmetrisch positief semidefiniet lineair systeem. Dit maakt het mogelijk om het systeem efficiënt op te lossen met de Preconditioned Conjugate-Gradient (PCG) methode, zonder expliciet de globale matrix te assembleren. De implementatie maakt onderscheid tussen actieve deeltjes (waar $\pi$ wordt opgelost) en vaste randdeeltjes.

Belangrijkste Bijdragen

• Consistente Adjoint Formulering: Het artikel biedt de eerste SPMHD-projectieformulering waarbij de gradiëntcorrectie rigoureus wordt geconstrueerd als de adjoint van de gekozen discrete divergentie-operator onder een volume-gewogen metriek. Dit lost de discretieniveau-inconsistenties op die in eerdere projectiepogingen werden gevonden.
• Energie Minimaliserende Eigenschap: De volume-metriek wordt getoond als de natuurlijke metriek voor magnetische energie. Bijgevolg levert de projectie een energie-minimaliserende correctie die de discrete magnetische energie niet verhoogt, een cruciale eigenschap voor fysieke getrouwheid.
• Efficiënte Solver: De formulering leidt tot een symmetrisch positief semidefiniet systeem dat oplosbaar is via PCG, waardoor de $O(N^2)$ kosten van directe sommatie-methoden worden vermeden.
• Praktische Stopcriteria: De auteurs introduceren praktische stopcriteria gebaseerd op de accumulatie van divergentiefouten tussen projectiestappen, in plaats van te vereisen dat convergentie tot de machineprecisie wordt bereikt bij elke stap, wat nauwkeurigheid balanceert met computationele kosten.

Resultaten
De methode is getest met tweedimensionale Dedner-type divergentietests en driedimensionale gemagnetiseerde gravitationele instortingssimulaties.

• Divergentietests: In 2D-tests met zowel geperturbeerde roosters als willekeurige deeltjesverdelingen, slaagde de methode erin de discrete divergentieresiduele te reduceren tot het niveau van de floating-point afrondingsfout ($\sim 10^{-15}$) met voldoende PCG-iteraties. Opmerkelijk genoeg corrigeerde het fouten op golflengten die vergelijkbaar zijn met de smoothing length ($h$), waar voorheen problemen mee waren.
• Instortingssimulaties: In 3D instortingsruns presteerde de projectiemethode aanzienlijk beter dan standaard hyperbolische divergentie-reiniging.
  • Foutreductie: Met een praktisch stopcriterium (het reduceren van de geaccumuleerde fout tot een fractie van de MHD-updatefout), onderdrukte de projectiemethode de genormaliseerde divergentiefouten aanzienlijk sterker dan divergentie-reiniging.
  • Robuustheid: Het variëren van het projectie-interval ($N_{interval} = 1, 10, 100$) produceerde consistente dichtheids- en plasma-$\beta$-structuren. In tegen tegenstelling hiertoe vertoonde de divergentie-reiniging kwantitatieve verschillen in de outflow-structuur en de plasma $\beta$.
  • Kosten: De computationele kosten van de projectie waren bescheiden, variërend van ongeveer 1% tot 10% van de SPMHD-updatekosten voor praktische intervallen ($N_{interval} \approx 10$). Zelfs in extreme stresstests kon het schema fouten naar de afrondingsfout drijven.

Betekenis en Claims
Het artikel claimt dat deze adjoint projectieformulering een robuust en aantrekkelijk alternatief is voor divergentie-reiniging voor het beheersen van $\nabla \cdot \mathbf{B}$ fouten in SPMHD en gerelateerde deeltel of meshless MHD-schema's.

De belangrijkste voordelen zijn:

1. Parameteronafhankelijkheid: In tegen tegenstelling tot divergentie-reiniging, dat afhankelijk is van fysieke parameters (golfsnelheid, dempingsschaal) die de astrofysische resultaten kunnen veranderen, zijn de parameters van de projectiemethode (stopcriterium, interval) dimensieloos en hebben ze een minimaal effect op de oplossing binnen de geteste bereiken.
2. Fysieke Consistentie: De methode garandeert dat de correctie geen kunstmatige magnetische energie injecteert.
3. Schaalbaarheid: De aanpak is niet beperkt tot SPMHD; de auteurs suggereren dat de operator-gebaseerde projectie-idee toepasbaar is op andere meshless of moving-mesh schema's (zoals GIZMO, AREPO) met passende modificaties.

De auteurs concluderen dat, hoewel de methode vereist dat er vrije parameters worden gekozen voor terminatie en frequentie, het vermogen om consistente, hoogwaardige resultaten te produceren zonder de sensitiviteitsproblemen van reinigingsmethoden, het een superieure keuze maakt voor het beheersen van numerieke divergentie in deeltel-gebaseerde MHD.