一种残差自适应预条件ψ-分数阶量子伪谱方法：延迟记忆微分方程

《Mathematics》：A Residual-Adaptive Preconditioned ψ-Fractional Quantum Pseudo-Spectral Method: Delay-Memory Differential Equations

　　

研究人员开发了一种残差自适应预条件量子伪谱方法，用于求解包含离散延迟、弱奇异遗传记忆和非线性反应项的广义ψ-Caputo初值问题。一个ψ-分数阶Chebyshev基在所选有限谱空间上生成精确的闭式操作矩阵。为使遗传项与块编码兼容，将幂律核近似为指数和，并辅以显式局部近场修正，将全局记忆转换为有限数量的局部辅助模式。一个结构保持预条件子控制条件数，而残差自适应多域策略和阻尼牛顿迭代处理层状结构及非线性。研究人员在Mittag–Leffler加权图空间中证明了适定性，推导了组合谱-核-残差误差估计，并给出了量子线性系统复杂度，其中包含显式块编码归一化和右端项制备假设。数值测试表明，在ψ-坐标中光滑的解具有高精度，奇异和层状解的鲁棒性得到改善，条件数显著降低，且在指数和压缩下历史成本降低。为评估性能，研究人员与L1乘积积分和Jacobi配点法进行了比较，系统量化了各自的精度、计算成本和条件化特性。

**论文解读：一种残差自适应预条件ψ-分数阶量子伪谱方法用于延迟记忆微分方程**

**研究背景、问题与动机**

分数阶微分方程因能通过弱奇异卷积刻画时间非局部性（即长期记忆效应），已成为描述具有历史依赖过程的标准建模工具。经典的Riemann–Liouville和Caputo算子已被Almeida提出的ψ-Caputo导数统一并推广，该导数通过选择不同核函数ψ可恢复Caputo、Caputo–Hadamard和Erdélyi–Kober等特例，从而提供单一可调的时间尺度衡量记忆。然而，分数阶延迟微分方程和含有弱奇异遗传记忆项的非线性方程在数值求解上面临多重挑战：首先，弱奇异核的全局耦合导致历史项稠密，传统方法计算成本呈二次增长；其次，延迟项引入额外非局部耦合，破坏算子的稀疏性；第三，高阶谱方法虽能提供谱精度，但其稠密矩阵在量子计算框架中难以高效块编码。现有数值方法（如Jacobi配点法、L1乘积积分）虽能处理延迟或Volterra非局部性，但所得算子通常稠密，其条件数和代数结构并未针对量子线性系统求解器设计。此外，量子算法虽已用于求解微分方程，但直接离散弱奇异遗传项会因历史耦合随谱阶增长而破坏块编码所需的局部性。因此，亟需一种能同时处理ψ-分数阶、离散延迟、弱奇异记忆、局部历史压缩、残差自适应多域细化及可计算条件数证书的通用方法。

**研究内容与结论**

研究人员提出了一种残差自适应预条件ψ-分数阶量子伪谱方法（RAP-QPSM），用于求解包含离散延迟、弱奇异遗传记忆和非线性反应项的广义ψ-Caputo初值问题。该方法的核心创新包括：在闭式ψ-分数阶Chebyshev基上精确构造操作矩阵；通过指数和（SOE）压缩弱奇异核，并辅以局部近场多项式校正，将全局记忆转化为有限个局部辅助模式；设计结构保持预条件子控制条件数；采用残差自适应多域策略和阻尼牛顿迭代处理层状结构及非线性。研究人员在Mittag–Leffler加权图空间中证明了多项方程的全局适定性，并给出了Carathéodory局部理论。推导了组合谱-核-残差误差估计，并给出了量子线性系统复杂度定理，明确包含了块编码归一化、右端项制备概率、预条件条件数和增广维数。数值实验涵盖六个模型问题及一个四方法比较基准，结果表明：对于在ψ-坐标中光滑的解，误差和残差呈几何衰减直至机器精度；对于奇异和层状解，通过匹配基指数或自适应多域细化可显著提高精度；预条件子在导数主导区域将条件数降低五到六个数量级；固定精度的SOE压缩使历史成本由二次增长转为线性增长。该方法与Jacobi配点法和L1乘积积分法的系统比较表明，在相同自由度下，RAP-QPSM的精度高出约三个数量级，且预条件后条件数显著降低。该论文发表在《Mathematics》。

**关键技术方法概述**

研究人员采用的主要关键技术方法包括：① **ψ-分数阶Chebyshev基**：定义ψ-分数阶Chebyshev多项式，在选定谱空间上精确构造广义Vandermonde矩阵、ψ-Caputo操作矩阵、延迟操作矩阵和记忆操作矩阵，均以闭式给出。② **指数和（SOE）压缩**：利用Gamma函数积分表示，将弱奇异幂律核近似为Q个指数之和，通过Gauss–Jacobi规则处理近场奇点、Gauss–Legendre规则处理远场几何分级面板，并辅以局部多项式近场校正，将稠密全局记忆耦合替换为Q个局部一阶模式。③ **结构保持预条件子**：保留主导导数项和平均对角反应项，通过Neumann级数证明条件数有界，并给出可计算预求解证书及牛顿迭代传播估计。④ **残差自适应多域算法**：经典外循环选择分区，每个固定分区内局部算子、稀疏界面行和转移的记忆模式允许逐块编码，通过后验残差指示器驱动细化，避免均匀单域发散。⑤ **量子块编码与量子线性系统求解器**：将预条件后增广算子表示为块编码，利用线性组合幺正和稀疏访问预言机，在显式假设下给出解态制备复杂度。

**研究结果**

**例1：线性ψ-Caputo延迟基准**
通过组装并求逆操作矩阵，数值解在N=16时误差达10?1?，呈谱收敛。裸条件数缓慢增长，预条件后条件数稳定在约2。

**例2：弯曲时钟上的多阶问题**
在弯曲时钟ψ(t)=t2上测试两阶分数导数，误差在N=14时降至10?12，预条件条件数低于4，裸条件数超过500。

**例3：非线性Riccati型延迟方程**
采用阻尼牛顿迭代，残差在四步内从10?2降至10?1?，呈二次收敛，且收敛性与N无关。

**例4：弱奇异ψ-记忆与核压缩**
闭式记忆矩阵实现谱精度，SOE压缩在Q=10时核误差为10??，Q=20时降至10?1?。压缩记忆作用于解的相对误差在N=8至16间保持约10?1?。基指数匹配实验表明，对齐主导奇异指数可将精度提高3至8倍。

**例5：奇异摄动延迟问题**
小参数ε=10?3时，裸条件数达10?，预条件后降至102，降低约五个数量级。残差自适应多域求解器在5个补片、50个自由度时残差达10?1?，而均匀单域细化在51个自由度时因舍入误差发散至103。

**例6：具有记忆时钟的非线性分数阶种群模型**
在三种记忆时钟（恒等、对数、幂律）下，牛顿迭代5至7步收敛，自收敛表明误差随谱阶增加稳定下降，不同时钟产生可测量的动力学差异。

**四方法基准比较**
在17个自由度下，非精确RAP-QPSM（q=2）误差为10?11，Jacobi配点法为10??，L1和SOE-L1为10??，而匹配诊断q=1因精确解在基空间中达到机器精度。预条件将RAP-QPSM条件数从10?降至102。历史缩放实验显示，直接积累在2048步时耗时0.57秒，SOE固定Q模式仅需0.002秒，且保持相同离散误差。

**讨论与结论**

研究人员引入了一种ψ-Caputo伪谱框架，用于同时包含离散延迟和弱奇异遗传记忆的微分方程。使离散化适用于量子线性系统公式化的两个关键步骤是SOE历史局部化和结构保持预条件子。操作矩阵在代表有限谱空间上是精确的，而局部加历史估计量化了谱、核压缩、近场、求积和残差各自的贡献。实验表明，q适配基在每自由度精度上显著优于整数幂Jacobi配点法和低阶L1乘积积分。预条件子在比较测试中使条件数保持接近1，固定模式SOE历史在给定核精度下降低长期历史成本而不改变底层L1离散误差。量子结果在显式块编码、归一化和右端项制备假设下以解态制备复杂度陈述，有效逆参数与普通矩阵条件数区分。残差自适应分区是经典外循环；一旦边界固定，局部补片算子、转移记忆模式和稀疏界面行允许逐块编码。未来工作将开发端到端容错资源估计、优化近场电路和校准的延迟记忆应用。