结构化多尺度代数多重网格在格点场论中的初步研究

格点QCD中狄拉克方程的最先进求解器基于自适应多重网格方法。这些方法需要微调许多算法参数才能达到最佳性能。我们将一种源自油藏模拟的新多重网格方法应用于格点场论：结构化多尺度代数多重网格（SM-AMG）。该方法构建具有重叠边界的紧凑聚集体来粗化网格，并产生精确的插值。一个关键优势是聚集体大小是主要的可调参数。对于我们的结果，我们在一种称为聚合多尺度AMG（AM-AMG）的代数方法中使用了SM-AMG。我们将AM-AMG的效率与DD$\alpha$AMG（一种成功的自适应多重网格求解器，可缓解临界减速）进行了基准测试。这两种求解器在双味Schwinger模型框架内使用Wilson离散化进行了比较。在细格点上，两种方法在临界点附近和大体积下的操作数相似，反映了相当的计算成本。然而，AM-AMG的细网格迭代次数更多。在粗格点上，AM-AMG在接近临界质量时难以移除低模。