在基于光子的伴随优化中，利用组合的舒尔补域分解和波恩级数展开加速线搜索的高效方法
摘要：梯度基于优化算法中的线搜索解决了在单次迭代中确定给定梯度或搜索方向的最佳学习率的问题。对于大多数问题，这是通过评估不同的候选学习率来找到最优解的，这可能是昂贵的。最近的研究提供了一种使用Shanks变换和从Lippman-Schwinger形式主义导出的Born级数来进行线搜索的高效方法。在本文中，我们展示了使用Schur补域分解方法可以进一步减少执行此类线搜索的成本，从而通过减少收敛迭代次数和每次迭代的减少墙时钟时间，总的加速比可以提高10倍。
作者：Nathan Zhao, Salim Boutami, Shanhui Fan
论文ID：2112.10968
分类：Computational Physics
分类简称：physics.comp-ph
提交时间：2021-12-22