CHESS: CHEbyshev pSeudo-Spectral transport for Feynman integral differential equations

技术摘要：Chess (用于费曼积分微分方程的切比雪夫伪谱传输算法)

问题陈述
多圈费曼主积分（Feynman master integrals）的求值是精密对撞机物理学中的一个计算瓶颈。随着计算向更高圈数和更多粒子数演进，积分族涉及大量的运动学标度、庞大的主积分集合以及复杂的奇异结构。尽管存在多种策略（例如，部门分解法、辅助质量流法、局部级数展开法），但一个特定的数值子问题仍然具有挑战性：即沿着运动学空间中预设路径进行 $\epsilon$-因子化微分方程的高精度一维传输。

标准的局部传播方法通常需要许多展开段或极小的步长来控制高精度和端点行为，特别是当拉回（pulled-back）系数矩阵涉及常数矩阵与标量一形式拉回的稀疏组合时，或者当系统包含代数或椭圆成分时。其挑战在于如何高效地求解所得的一阶常微分方程（ODE）系统，同时保持谱精度并处理集成端点处可能存在的伪正则奇异性。

方法论
本文介绍了 Chess (CHEbyshev pSeudo-Spectral transport)，这是一个旨在解决以下一维传输问题的 Wolfram Language 软件包：
$$\frac{d}{dt}J(t, \epsilon) = \epsilon B(t)J(t, \epsilon)$$
其中 $J$ 是主积分（或其 $\epsilon$-展开系数）的向量，$B(t)$ 是拉回的系数矩阵。

核心方法论依赖于 切比雪夫-洛巴托谱配置法 (Chebyshev–Lobatto spectral collocation)。该方法利用了拉回联络在复化路径参数下的解析性。如果系数矩阵 $B(t)$ 在复邻域内是解析的，则解会随配置节点的数量呈几何级数收敛。

关键算法特性包括：

1. $\epsilon$-因子化层级结构： 系统在有限的 Laurent 窗口内进行展开。由于 $\epsilon$-因子化的形式，系数的层级是三角结构的。每个系数 $J^{(r)}$ 通过求解非齐次一阶系统从前一个系数 $J^{(r-1)}$ 获得。这使得求解器可以使用单个因子化的标量节点矩阵作用于多个右端项，而不是同时为所有节点和积分构建一个单体系统。
2. 双重输入模式：
   • 预处理数据模式 (Prepared-Data Mode)： 用户提供常数稀疏矩阵 $A_\alpha$ 和预计算的标量拉回 $b_\alpha(t)$。软件包在配置节点处组装 $B(t) = \sum A_\alpha b_\alpha(t)$。这实现了路径相关标量评估与常数矩阵数据的分离，从而实现缓存和稀疏组装。
   • 直接矩阵模式 (Direct-Matrix Mode)： 用户提供完整矩阵 $B(t)$ 的数值评估器。这使得求解器能够处理包含椭圆周期或其他特殊函数的系统，而无需特定的对数分解。
3. 端点正则化： 为了处理端点处的伪正则奇异性（即 $B(t)$ 可能发散但解保持有限的情况），Chess 实现了基于残差的正则化。
   • 对于右端点，微分方程行被替换为一个源条件，该条件源自联络的残差和有限部分提取。
   • 对于左端点，已知的边界值被移除，并求解一个“提升”后的未知量（正则单侧差商），用有限导数条件取代奇异的微分方程。
4. 并行化： 并行化仅应用于独立任务，例如在节点处评估标量拉回或提取端点数据。由于第 $r$ 层依赖于第 $r-1$ 层，因此保持了 $\epsilon$-递归的顺序性。

主要贡献

• 算法效率： 通过利用 $\epsilon$-因子化系统的三角结构和稀疏矩阵组装，Chess 避免了单体求解器的内存和计算开销。它实现了快速的节点收敛，通常只需较少的配置节点即可达到机器精度极限。
• 灵活性： 该软件包并不局限于对数系统。直接矩阵接口允许它传输包含椭圆或模形式成分的系统，只要存在可靠的 $B(t)$ 数值评估器即可。
• 鲁棒性： 其实现包含了针对伪正则奇异端点的特定处理，这是运动学传输中常见的问题，会导致标准配置法不稳定。
• 实现： 该软件包使用 Wolfram Language 编写，为已经完成积分约化、基底构建和边界常数确定的用户提供高级接口。

结果与基准测试
论文通过三组基准测试验证了 Chess：

1. 两圈六点双五边形 (Two-Loop Six-Point Double-Pentagon)： 在物理区域内进行传输，并与独立的 AMFlow 数据进行对比。使用 24 个节点时，差异为 $1.37 \times 10^{-31}$；使用 96 个节点时，差异降至 $10^{-101}$，并饱和在参考数据的精度水平。
2. 三圈五点族 (Three-Loop Five-Point Families)： 测试了四个平面无质量族（PBB, BPB, BHB, PBP），并使用了左端点正则化。该方法展示了稳定的节点细化过程，差异约为 $10^{-70}$（约 70 位数字）。与局部级数代码 DiffExp 的固定协议对比显示，Chess 在实际运行时间（wall time）上比 DiffExp 快 8.8 到 17.9 倍。对于最大的系统（734 个主积分），Chess 也表现出比 DiffExp 更低的进程树内存占用。
3. 非平面三角形（椭圆情况）(Non-Planar Triangle (Elliptic Case))： 使用直接矩阵模式传输了一个带有椭圆周期的两圈非平面三角形族。该方法实现了几何级数收敛，直至独立 AMFlow 参考数据的 200 位精度极限，在使用 512 个节点时误差低于 $10^{-200}$。

意义与范围
论文将 Chess 定位为更广泛的费曼积分计算生态系统中的一个专门化、高性能工具。文中明确指出，该软件包并不执行积分约化、构建规范基底、确定边界常数或选择解析路径。这些准备工作假设已由用户完成。

Chess 的意义在于其能够以高精度和高效率执行最后的、计算密集型的传输步骤。它利用路径参数的解析性质来实现谱收敛，这使得它在处理需要大量局部级数分割的大型多标度系统时特别有效。作者强调，该方法的成功取决于所提供的系数函数的解析性；它不是一个自动规划路径以跨越物理奇异点的算法。该软件包是为那些已经建立了必要解析框架的用户提供的一个鲁棒的传输层。