Julia中使用AutoTsit5(Rosenbrock23())求解大型ODE遇质量矩阵报错

是否必须使用DAE求解器？ #

不一定。报错是因为AutoTsit5(Rosenbrock23())这类组合求解器不支持质量矩阵，但你的系统如果是带质量矩阵的ODE（形如M * du/dt = f(u,t)，且M非奇异），本质仍属于ODE范畴，无需直接切换到DAE求解器。只有当系统存在代数约束（无导数项的方程）时，才需要DAE求解器。

可选解决方案 #

1. 选用支持质量矩阵的ODE求解器 #

针对500维规模的系统，推荐以下求解器：

• Rosenbrock23()：单独使用（不要嵌套AutoTsit5），属于隐式Rosenbrock型，原生支持质量矩阵，适合刚性系统。
• Rodas4()/Rodas5()：高阶隐式Rosenbrock求解器，处理刚性带质量矩阵的ODE效率更高，适配大规模问题。
• QNDF()：自适应隐式求解器，支持质量矩阵，适合非刚性或轻度刚性系统。
• CVODE_BDF()：来自Sundials库的BDF求解器，稳定性强，适合大规模刚性带质量矩阵的ODE。

示例代码（正确传入质量矩阵）：

using DifferentialEquations
# 假设M是你的质量矩阵，建议用稀疏矩阵提升大规模系统效率
M = sparse(...)
prob = ODEProblem((du,u,p,t) -> f!(du,u,p,t), u0, tspan, p; mass_matrix=M)
sol = solve(prob, Rosenbrock23())

2. 转换为标准ODE形式（若可行） #

如果质量矩阵M非奇异，可将方程转化为du/dt = M⁻¹ * f(u,t)。注意：

• 避免直接计算M的逆（尤其是稀疏矩阵，求逆后可能变稠密），推荐用线性求解器处理M \ f，比如在方程定义中使用ldiv!(du, M, f(u,t))，保持稀疏性与效率。

3. 确认系统是否为DAE #

若系统存在代数约束（部分方程无导数项），则需使用DAE求解器，比如IDA()（Sundials库）、DASKR()。此时需将问题定义为DAEProblem，并确保初始条件满足代数约束。

调试提示 #

• 检查质量矩阵的奇异性：若M奇异，说明系统实际是DAE，需切换到DAE求解器。
• 尝试求解器前，务必查看其文档，确认是否支持质量矩阵及适配的系统类型（刚性/非刚性）。

内容的提问来源于stack exchange，提问作者NickM