ALIOTH · 三分钟看懂

从方程到矩阵

一台求解器的入口，以及它的边界
−∇·(κ∇u) = f u　温度场（未知） κ　材料的导热系数 f　热源 变系数热传导方程 −∇·(κ∇u) = f 5 × 5 = 25 个未知数 连续的 u(x, y) ↓　只看格点 u1, u2, … , u25 真实仿真里，是一百万个。 4u0 − u左 − u右 − u上 − u下 = h²f0 一条关系，只连 5 个未知数 A x = f A：25 × 25，邻居关系 x：25 个未知数 f：热源与边界 每行只有 ≈ 5 个非零元 一百万未知数 ≈ 五百万非零元，而不是一万亿 稀疏，让百万阶矩阵 存得下、算得动。 解 x 回到网格上，就是温度场 1e0 1e-4 1e-8 目标 28 次迭代，残差 < 1e-8 迭代次数 → 对称正定 · 稀疏 同一类矩阵 多重网格 · 共轭梯度 ✓ 解 + 回执 此前的热传导：线性 −∇·( κ ∇u ) = f 系数 κ 是已知的材料参数，直接装配 ✓ 流体的对流项：非线性 (u·∇)u 同一个未知数，出现两次 “系数”是 u 本身：要装配，得先知道答案 ✗ 装配 A，需要先知道系数 u 解出 u，需要先有矩阵 A 循环依赖：鸡生蛋，蛋生鸡 ① 先猜一个解 x0 瞎猜也行，比如全零 ② 冻结：用猜测算出系数 u 暂时当已知，装配出 Ak Ak x = f ③ 解线性方程：前面的老手艺全用得上 ④ 得到更好的猜测 解冻，回到 ②，再转一圈 残差一圈圈缩小 1e0 → 1e-2 → 1e-5 → 1e-8 每圈解一张线性矩阵，几圈到几十圈收敛 对称：作用是相互的 aij = aji 两点之间一条导热路径，两头共用 正定：能量地形是一只碗 往低处滚 碗底 = 解，且只有一个 任何状态的能量都为正，弯曲方向处处向上 热、结构、电路是耗散系统，离散后天然长成这样 共轭梯度 = 顺碗壁下滚；多重网格 = 粗碗里找方向，细碗里精修 高频波动（Helmholtz） −Δu − k²u = f 波不耗散：−k² 从刚度里往外减，减过了头 有的方向向上 有的方向向下 碗塌成马鞍：“往低处滚”失去方向 对流占优的输运 风向 → 上游推得动下游，下游推不动上游 aij ≠ aji　镜像被打破 GMRES · 专用预条件器 不靠碗也能走的迭代法：另一套手艺，另一个战场 一般矩阵：低能模态孤立可数 粗网格逐个网住 ✓ cfd2：低能谱连成一片 粗空间装不下 ✗ 回退：经典迭代，慢而必达 fallback_used: true　converged: true 输入：一张稀疏矩阵 玉衡 读代数特征，一次前向，数十毫秒 同时吐出两样组件 ① 逐点平滑权重 每个格点，一个数 松弛因子，从旋钮 变成一张场 ② 层间插值算子 粗化策略交给网络：粗点 = 细邻居的加权和 ③ 共 轭 梯 度 收 尾 两样组件一起上场：收敛与精度，由数值框架背书 科学计算的话 AI 的话 严格说，是 U-Net 长得像多重网格：多重网格 1977 年就出生了。 −∇·(κ∇u) = f 方程 离散 Ax = f 矩阵 求解器 ★ 由 AI 现场生成 解 x + 可查验的回执 吃得下的走流水线，吃不下的有手法兜底。