We present a practical algorithm to approximate the exponential of skew-Hermitian matrices based on an efficient computation of Chebyshev polynomials of matrices and the corresponding error analysis. It is based on Chebyshev polynomials of degrees 2, 4, 8, 12 and 18 which are computed with only 1, 2, 3, 4 and 5 matrix-matrix products, respectively. For problems of the form $\exp(-iA)$, with $A$ a real and symmetric matrix, an improved version is presented that computes the sine and cosine of $A$ with a reduced computational cost. The theoretical analysis, supported by numerical experiments, indicates that the new methods are more efficient than %diagonalising the matrix when its norm is not very large, and also than other schemes based on rational Pad\'e approximants and Taylor polynomials for all tolerances and time interval lengths. The new procedure is particularly recommended to be used in conjunction with exponential integrators for the numerical time integration of the Schr\"odinger equation.


翻译:我们提出了一个实际算法,根据对基质的Chebyshev多元分子数的高效计算和相应的错误分析,来估计skew-Hermitian矩阵的指数。它基于化学比谢夫2、4、8、12和18度的多元分子数,分别使用1、2、3、4和5个矩阵矩阵矩阵矩阵产品进行计算。对于以美元表示的表格问题,用美元表示真实和对称矩阵,则提出一个经过改进的版本,以降低计算成本的方式计算$A$的正正弦和正弦。理论分析得到数字实验的支持,表明新方法比在标准不十分大的情况下对矩阵进行%diagonal化的效率更高,也比其他基于理性Pad\'approximants和Taylor 多元分子等离子和时间间隔长度的其他方案的效率更高。特别建议与指数化调控器一起使用新程序,用于Schr\\\“odiger”等式的数字时间整合。

0
下载
关闭预览

相关内容

Integration:Integration, the VLSI Journal。 Explanation:集成,VLSI杂志。 Publisher:Elsevier。 SIT:http://dblp.uni-trier.de/db/journals/integration/
Google最新《机器学习对偶性》报告,48页ppt
专知会员服务
35+阅读 · 2020年11月29日
MIT-深度学习Deep Learning State of the Art in 2020,87页ppt
专知会员服务
61+阅读 · 2020年2月17日
【强化学习资源集合】Awesome Reinforcement Learning
专知会员服务
93+阅读 · 2019年12月23日
《自然》(20190829出版)一周论文导读
科学网
6+阅读 · 2019年8月30日
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
已删除
将门创投
3+阅读 · 2018年6月20日
Arxiv
0+阅读 · 2021年5月7日
Arxiv
0+阅读 · 2021年5月5日
VIP会员
相关VIP内容
Google最新《机器学习对偶性》报告,48页ppt
专知会员服务
35+阅读 · 2020年11月29日
MIT-深度学习Deep Learning State of the Art in 2020,87页ppt
专知会员服务
61+阅读 · 2020年2月17日
【强化学习资源集合】Awesome Reinforcement Learning
专知会员服务
93+阅读 · 2019年12月23日
相关资讯
《自然》(20190829出版)一周论文导读
科学网
6+阅读 · 2019年8月30日
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
已删除
将门创投
3+阅读 · 2018年6月20日
Top
微信扫码咨询专知VIP会员