AI预条件与AMG学习

AI预条件与AMG学习——用机器学习构建/优化预条件子。迭代求解器（CG/GMRES）的收敛速度取决于预条件子质量，传统 AMG（如 BoomerAMG）需要人工调参。AI 方法学习最优粗化策略、插值算子或平滑器参数，甚至直接学习矩阵的近似逆，实现"求解器免调参"。

学习价值 - 求解器加速是自研引擎的核心竞争力，AI 预条件是国际前沿方向（对标"华为难题"） - 结合本站已学的 AMG 算法（raptor/sxamg 代码）可快速理解 AI 增强的切入点

推荐电子书

国外经典（3-5本）：

• 《Iterative Methods for Sparse Linear Systems》（Yousef Saad，第2版 2003）——稀疏线性系统迭代法经典教材，Krylov子空间方法权威参考

• 《Multigrid》（Ulrich Trottenberg, Anton Schüller et al.，2001）——多重网格方法权威专著，理解AMG理论基础的必读

国内经典（2本）：

• 《迭代解法及其应用》（张庆海等）——国内稀疏线性系统迭代求解中文教材