水平集方法

玻尔百科

核心要点

水平集方法将移动边界隐式地表示为一个更高维函数的零水平等值线，从而优雅地处理如合并和分裂等拓扑变化。
界面的演化由水平集方程控制，这是一个偏微分方程，其中的速度函数 F 编码了问题的所有物理动力学。
实际实现需要诸如重新初始化以维持理想的符号距离函数，以及速度扩展来定义边界外的运动等技术。
通过为每个问题定义适当的速度函数，该方法被应用于流体动力学、生物学、拓扑优化和断裂力学等不同领域。

引言

我们如何描述和预测一个变化中形状的运动？从破碎的波浪到分裂的细胞，演化的界面是科学和工程的基础。直接追踪边界点的传统方法，在形状分裂、合并或改变拓扑结构时，会变得极其复杂。这带来了巨大的计算挑战，限制了我们精确模拟许多真实世界现象的能力。

水平集方法为这一问题提供了一个优雅而强大的解决方案。它不再追踪边界本身，而是将形状重新构想为更高维景观中的“海平面”等值线。这种隐式表示使得剧烈的拓扑变化能够自然而稳健地被处理。本文旨在全面介绍这一变革性技术。在接下来的章节中，您将首先深入“原理与机制”，揭示该方法背后的数学魔力，从其核心方程到实现所需的实际工程技术。之后，在“应用与跨学科联系”中，您将领略其多样化的用途，看这同一个思想如何为流体动力学、生物学、结构设计等领域的问题提供一种通用语言。

原理与机制

隐式曲面的魔力

你会如何向计算机描述一个形状，比如一个岛屿的海岸线？一个自然而然的初步想法是创建一个长长的坐标列表，一种“连点成线”式的边界表示。这被称为显式表示或界面追踪。对于简单、静态的形状，这种方法效果很好。但当海岸线演化时会发生什么？如果一场风暴潮淹没了一片低洼地区，将你的岛屿一分为二怎么办？或者，如果两个独立的岛屿生长并合并成一个怎么办？突然之间，你那简单的点列表就成了一场管理噩梦。你必须检测曲线何时将要自相交，将其切断，然后再重新缝合。这是最高级别的编程难题。

水平集方法则始于一个截然不同、近乎禅意的视角。我们不去追踪边界本身，而是定义整个景观。想象一个函数，我们称之为 $\phi(x,y)$ ，它为我们二维地图上的每一点都赋予一个高度。我们可以将这个高度定义为到海岸线的最短距离，并稍作修改：陆地上的点具有正高度，水中的点具有负高度。那么，海岸线本身就只是所有高度恰好为零的点的集合。它是我们景观函数的“海平面”等值线。用数学语言来说，边界 $\Gamma$ 是函数 $\phi$ 的零水平集：

\Gamma = \{ (x,y) \mid \phi(x,y) = 0 \}

这被称为隐式表示或界面捕捉。这个想法的美妙之处是深远的。如果我们的岛屿分裂成两个，我们的景观函数 $\phi$ 不需要被切割或重新缝合。它只是简单地在“海洋”中形成了两个独立的“山丘”。如果两个岛屿合并，它们对应的山丘也只是简单地连接在一起。函数 $\phi$ 在整个定义域上仍然是一个单一、行为良好的函数。拓扑变化，这些对于显式方法来说是灾难性的事件，在这里却以惊人的优雅和简单得到了处理。这就是水平集方法的核心魔力：通过将我们的边界嵌入一个更高的维度，我们使得改变拓扑这个难题变得几乎微不足道。

运动方程

好了，我们有了一个静态的形状。我们如何让它动起来呢？如果我们想让海岸线演化，我们必须让我们的景观函数 $\phi$ 随时间变化。我们需要一个关于它演化的方程。

让我们想象一下，边界上的每一点都垂直于自身——即在法线方向上——以某个速度 $F$ 运动。这个速度 $F$ 在边界上的不同点可以不同。现在，考虑一个点 $\mathbf{x}(t)$ ，它正“冲浪”于移动的波浪上，始终停留在零等值线上。根据定义，这意味着对于所有时间 $t$ ， $\phi(\mathbf{x}(t), t) = 0$ 。

如果我们对这个表达式关于时间求导（使用微积分中的链式法则），我们会得到景观变化 $\frac{\partial \phi}{\partial t}$ 与点的速度 $\mathbf{v} = \frac{d\mathbf{x}}{dt}$ 之间的一个关系：

\frac{\partial \phi}{\partial t} + \nabla \phi \cdot \mathbf{v} = 0

这里， $\nabla \phi$ 是我们景观函数的梯度。梯度的一个奇妙特性是它总是指向最陡峭的上升方向——在我们的例子中，就是垂直于等值线的方向。所以，梯度向量垂直于我们的边界！单位法向量 $\mathbf{n}$ 就是 $\mathbf{n} = \frac{\nabla \phi}{|\nabla \phi|}$ 。

我们的速度 $\mathbf{v}$ 在这个法线方向上，速度大小为 $F$ ，所以我们可以写成 $\mathbf{v} = F \mathbf{n}$ 。将此代入我们的链式法则方程中得到：

\frac{\partial \phi}{\partial t} + \nabla \phi \cdot \left( F \frac{\nabla \phi}{|\nabla \phi|} \right) = 0

稍作代数整理，利用 $\nabla \phi \cdot \nabla \phi = |\nabla \phi|^2$ 这一事实，我们便得到了宏伟的水平集方程：

\frac{\partial \phi}{\partial t} + F |\nabla \phi| = 0

这是一种一阶非线性偏微分方程，被称为Hamilton-Jacobi方程。问题的所有物理特性——所有控制形状应如何变化的规则——都被打包进了速度函数 $F$ 中。为了理解这是如何工作的，考虑一个半径为 $R_0$ 的简单圆形。我们可以用初始景观 $\phi(x,y,0) = \sqrt{x^2+y^2} - R_0$ 来表示它。如果我们把速度设为一个常数，比如说 $F=-0.2$ ，方程告诉我们半径将随时间线性收缩： $R(t) = R_0 - 0.2t$ 。如果 $F$ 是正数，圆形则会扩张。如果圆形收缩，我们甚至可以计算出它坍缩成一个点的确切时间，即其坍缩时间 $T_c = R_0 / 0.2$ 。这个简单的例子使得抽象的偏微分方程变得非常具体。

多功能的速度函数

该方法的真正强大之处和多功能性来自于我们定义速度函数 $F$ 的自由度。

由流体流动驱动的运动

想象我们的形状是一块染料，在速度场为 $\mathbf{v}(\mathbf{x},t)$ 的流体中被携带。染料的边界随流体一起移动。边界在其法线方向上的速度 $F$ ，就是流体速度 $\mathbf{v}$ 在该方向上的分量： $F = \mathbf{v} \cdot \mathbf{n}$ 。让我们把它代入我们的主方程中：

\frac{\partial \phi}{\partial t} + (\mathbf{v} \cdot \mathbf{n}) |\nabla \phi| = 0

代入 $\mathbf{n} = \frac{\nabla \phi}{|\nabla \phi|}$ 得到：

\frac{\partial \phi}{\partial t} + \left(\mathbf{v} \cdot \frac{\nabla \phi}{|\nabla \phi|}\right) |\nabla \phi| = 0

$|\nabla \phi|$ 项相互抵消，我们得到了简洁而优雅的平流方程：

\frac{\partial \phi}{\partial t} + \mathbf{v} \cdot \nabla \phi = 0

这个方程仅仅说明了某一点上 $\phi$ 的变化率是由流体流动如何输运 $\phi$ 场所决定的。对于被动地被流体携带的物体来说，这是一个自然的方程。

由几何驱动的运动

但是，如果形状的演化取决于其自身的几何特性呢？这才是真正激动人心的地方。曲线的一个基本几何属性是其曲率 $\kappa$ 。它衡量曲线在某一点的弯曲程度；直线的曲率为零，而小圆的曲率很高。我们可以将速度定义为曲率的函数： $F = F(\kappa)$ 。

一个著名的例子是平均曲率流，其中速度与曲率成正比，例如 $F = -\kappa$ 。这意味着形状上高度弯曲的部分比平坦的部分移动得更快。其效果是，尖锐的角会被磨圆，整个形状在收缩时趋向于变得更圆。这正是由试图最小化表面积的表面张力所驱动的行为。

对于半径为 $R$ 的圆，曲率为 $\kappa = 1/R$ 。如果它按平均曲率流 $F = -1/R$ 演化，其半径变化遵循 $\frac{dR}{dt} = -1/R$ 。该方程的解是 $R(t) = \sqrt{R_0^2 - 2t}$ 。值得注意的是，如果你求解此情况下的完整水平集偏微分方程，你会发现零水平集遵循完全相同的轨迹，这完美地验证了该方法能正确捕捉这种复杂的几何运动。

打造理想：实际挑战与巧妙修复

到目前为止所描绘的图景是优雅而强大的，但正如在任何现实世界的工程或科学努力中一样，存在着实际的挑战。水平集方法的故事，也是一个关于为克服这些障碍而开发的巧妙“修复”和独创性改进的故事。

守恒难题

最重要的挑战之一是质量守恒（在二维中是面积守恒）。当我们模拟一滴水在流体中运动时，我们期望水滴的体积保持不变。纯粹的平流方程 $\phi_t + \mathbf{v} \cdot \nabla\phi = 0$ ，虽然在纯数学的连续世界中是正确的，但在转换到计算机模拟的离散世界时却存在缺陷。用于此方程的标准数值格式会遭受数值误差，其作用类似于一种扩散，使 $\phi$ 函数变得模糊。这种模糊会导致零等值线的位置发生漂移，从而随着时间的推移导致体积缓慢而稳定地损失或增加。

这是一个众所周知的局限性。其他方法，如流体体积法 (VOF)，从一开始就设计为完美守恒质量，但在精确计算曲率等几何属性方面却很困难。这是一个经典的工程权衡。为了解决这个问题，研究人员发明了复杂的守恒型水平集格式，通过修改方程或数值方法来强制执行质量守恒，或者发明了混合方法，将水平集方法的几何精度与VOF的守恒特性结合起来。

保持距离

当 $\phi$ 是一个完美的符号距离函数 (SDF)，即其梯度模长始终为1： $|\nabla \phi| = 1$ 时，水平集方程的数学优雅性最为明显。这对应于一个坡度处处恒定的景观。

然而，随着形状的演化，景观函数 $\phi$ 会被流场拉伸和挤压，很快就会失去这种理想属性。这会降低模拟的准确性。解决方案是一个称为重新初始化的巧妙过程。我们会周期性地暂停主演化过程，然后求解一个不同的辅助方程，将我们扭曲的 $\phi$ 函数推回到真正的SDF状态，而不移动零水平集。用于此目的的方程堪称艺术品：

\frac{\partial \phi}{\partial \tau} = \text{sgn}(\phi_0)(1-|\nabla \phi|)

在这里， $\tau$ 是一个人工的“伪时间”， $\phi_0$ 是我们开始重新初始化之前的函数。注意看 $\text{sgn}(\phi_0)$ 这一项。在界面上， $\phi_0=0$ 的地方，这一项为零！这意味着整个右侧为零，界面不动。远离界面，该方程驱动 $|\nabla \phi|$ 趋向于1。这是一个漂亮的数学工程，它在重塑景观的同时，保持了至关重要的海岸线固定不变。当然，在数值模拟中，这个过程并非完美，它本身也可能在界面位置上引入微小的误差，这也可能导致质量守恒问题。

跨越边界

最后一个实际问题：速度函数 $F$ 通常只定义在边界上。然而，为了在网格上求解我们的偏微分方程，我们需要边界附近所有网格点上的速度值。我们必须将速度从边界扩展到周围的区域。

一个简单的方法是常法向扩展：对于任何网格点，找到边界上最近的点，并赋予其速度。这种方法可行，但可能引起问题。想象一个非常薄的结构。中间的一个点可能会被赋予来自一侧的较大速度，导致该特征被人为地快速侵蚀。这就像试图通过只检查最近墙壁的温度来确定狭窄走廊内的温度——你忽略了同样非常近的另一面墙的影响。

一个更稳健的解决方案是基于偏微分方程的扩展。我们为扩展后的速度场 $\tilde{V}$ 求解一个拉普拉斯方程 $\nabla^2 \tilde{V} = 0$ ，并使用已知的边界速度作为边界条件。这个方程的解的行为类似于热流——任何内部点的值都是周围边界值的平滑平均。在我们的走廊比喻中，这就像让两面墙的温度平滑地混合，以确定中间的温度。这提供了一个更稳定、物理上更合理的速度场，防止了薄特征的人为坍塌，并提高了模拟的整体稳健性。

从一个单一、优雅的想法——隐式地表示一个形状——水平集方法展开为一个丰富而强大的框架，并伴随着其自身的一系列实际挑战以及为驾驭它们而设计的巧妙数学工程。它证明了抽象的数学概念可以如何被用来解决科学和工程中具体、复杂的问题。

应用与跨学科联系

掌握了水平集方法的优雅机制后，我们现在踏上一段旅程，去见证它的实际应用。一个强大思想的真正美妙之处不在于其抽象的公式，而在于它描述、预测甚至创造我们周围世界的能力。水平集方法就是这样一个思想，它提供了一种通用语言来描述自然界最常见的母题之一：移动的界面。从水滴闪烁的表面到喷气发动机涡轮的复杂设计，界面无处不在。它们的动力学支配着科学和工程学科中令人惊叹的广泛现象。让我们透过水平集的视角，探索其中的几个世界。

流体与气泡之舞

或许，水平集方法最直观的应用是在计算流体动力学（CFD）中。想象一下，试图模拟一个气泡在水中上升，或者海浪拍岸时的剧烈飞溅。挑战是巨大的：空气和水之间的边界是一个狂热变化、扭曲的表面，它可以合并、分裂和消失。显式追踪这个边界是一项西西弗斯式的任务。然而，水平集方法根本不追踪边界；它只是将其捕捉为一个充满整个空间的光滑标量场 $\phi$ 的零等值线。界面的混乱之舞变成了这个更高维场平滑的、波浪般的演化。该方法处理拓扑变化的能力，比如一个大气泡收缩成几个小气泡，是自动发生的，无需任何特殊逻辑。这是演化的 $\phi$ 场产生新的零水平等值线的自然结果。

这种方法的威力不止于此。物理现象不仅发生在流体内部，也发生在界面处。考虑一个停留在固体表面上的液滴。它与表面形成的夹角——接触角——是由分子间力的平衡决定的。我们如何让我们的模拟了解这个物理定律呢？我们将其转化为水平集函数的语言。一个特定的接触角 $\theta_e$ 不是通过强力施加的，而是通过在墙壁上对 $\phi$ 场施加一个巧妙而优雅的诺伊曼边界条件，规定其法向导数必须为 $\nabla\phi \cdot \boldsymbol{n}_w = \lVert\nabla\phi\rVert\cos\theta_e$ 。通过这种方式，边界上的一个基本物理约束变成了我们演化场的一个简单数学陈述。

然而，尽管其几何上优雅，纯粹的水平集方法有一个微妙的缺陷：它本身并不能完美地保持流体的体积（或质量）。数值误差可能导致模拟的液滴缓慢收缩或增长。相比之下，流体体积法（VOF）在质量守恒方面表现出色，但在精确表示界面几何形状方面却很吃力。那么，我们该怎么办？我们将它们结合起来。在一个 krásný 的科学协同作用的例子中，耦合水平集与流体体积法（CLSVOF）利用水平集进行其清晰的几何描述（计算法线和曲率），并利用VOF数据在每一步校正界面的位置，确保质量得到完美守恒。这是一种混合方法，让我们两全其美：水平集的几何精度和VOF的物理保真度。

生命的万千形态

移动边界的宇宙并不仅限于无生命的流体；它正是生命本身的本质。计算生物学领域充满了形态发生的问题——形状和形式的发展。考虑细胞分裂或胞质分裂的基本过程。一个单细胞伸长，在中间收缩，并分裂成两个相同的子细胞。

我们可以使用水平集函数非常出色地模拟这个过程。一个初始的椭圆形，代表母细胞，可以在一个空间依赖的速度场下演化——例如，一个在两端向外推、在中心向内拉的速度。水平集方法接收这个速度设定，并毫不费力地模拟整个过程，包括一个细胞变成两个细胞时拓扑变化的关键时刻。同样的框架可以用来模拟肿瘤的生长、胚胎发育过程中的组织折叠，或者红细胞通过毛细血管的运动。在每种情况下，一个复杂的生物过程被转化为一个速度场，而水平集机制则处理由此产生的几何形状的复杂演化。

设计未来：从桥梁到飞机

到目前为止，我们已经使用水平集方法来模拟已经存在的现象。但是，如果我们能用它来创造前所未见的形式呢？这就是拓扑优化的领域，这是工程学中一个革命性的领域，旨在寻找给定空间内材料的最佳分布，以实现某个目标，比如以最小的重量获得最大的刚度。

想象一下，你被要求在一个矩形材料块内设计一座桥梁。你可以从一个实心块开始，让计算机削去那些对强度没有贡献的材料。水平集方法是完成这项任务的完美工具。结构的边界是我们 $\phi$ 函数的零等值线。然后我们计算我们的目标（例如刚度）对边界位置变化的敏感度。这种敏感度为我们提供了一个速度，告诉我们在哪里移除材料（向内移动边界），在哪里保留它。水平集不断演化，结构“生长”成其最优形式。

与其他方法如SIMP（它使用一个“密度”场，可能导致模糊的、灰度的设计）不同，水平集方法始终保持固体和空隙之间清晰、锐利的边界。这使得最终的设计可以直接制造。此外，通过在演化速度中加入依赖于边界曲率的项，我们可以控制最终设计的平滑度和复杂性，防止出现细长、不切实际的特征。最先进的方法甚至将SIMP的探索能力（用于生成粗略的初始拓扑）与水平集方法的几何保真度（用于精化最终形状）相结合，创造了一个强大的两阶段设计过程 [@problem-id:2704292]。

断裂点：应力下的材料

界面的演化并不总是一个优雅的生长或流动过程；有时它是一种剧烈的失效行为。在断裂力学中，工程师们试图理解和预测裂纹如何在材料中萌生和扩展。裂纹本质上是一个移动的边界，通常具有极其复杂的几何形状。

水平集方法，通常与扩展有限元法（XFEM）相结合，为这些模拟提供了一个强大的框架。裂纹被表示为 $\phi$ 函数的零水平集。断裂力学定律告诉我们裂纹应该如何扩展。例如，最大周向应力理论指出，在混合模式加载下的裂纹将沿由其尖端的应力强度因子（ $K_I$ 和 $K_{II}$ ）决定的特定方向扩展。这个物理定律被转化为一个驱动水平集函数演化的速度向量，使我们能够模拟裂纹的路径，包括扭折和弯曲。

当我们考虑多物理场问题，如热冲击时，这一点变得尤为显著。当一个热的陶瓷板被突然冷却时，会产生巨大的热应力。这些应力可以驱动预先存在的微小裂纹的扩展。我们可以通过将传热模拟与水平集断裂模拟耦合来对此进行建模。不断演化的温度场产生一个随时间变化的应力场，这反过来又在裂纹尖端产生能量释放率。一个动力学定律将这个能量释放率与裂纹的速度联系起来。模拟随后可以捕捉整个事件：裂纹起初快速增长，但随着热梯度的消散，驱动力减弱，裂纹最终可能会停止扩展。

见所未见：反演问题及其他

在以上所有例子中，我们都知道控制界面运动的规律。但是，如果界面本身就是我们希望发现的未知量呢？这就是反演问题的领域，它们就像科学侦探故事。在医学成像中，我们可能想从CT或MRI扫描中重建器官的形状。在地球物理学中，我们可能想从地震波数据中绘制出地下盐丘的边界。

水平集方法是完成此类任务的大师级工具。假设我们想通过向一个隐藏物体散射电磁波来找出它的形状。我们可以从一个物体的猜测形状开始，用水平集函数表示。然后，我们模拟当前猜测形状的波散射，并将结果与我们的实际测量值进行比较。模拟和测量之间的不匹配产生一个“形状梯度”，它告诉我们如何变形我们的水平集边界以减少误差。水平集不断演化，迭代地改变形状，直到模拟的散射与真实世界的数据相匹配，从而揭示出隐藏物体的真实形状。

这种将界面视为 underlying 场的零等值线的观点具有令人难以置信的普遍性。在经历迈斯纳效应的材料中，超导区和正常区之间的边界就是温度 $T$ 等于临界温度 $T_c$ 的表面。我们可以定义一个函数 $F(x,y,t) = T(x,y,t) - T_c$ ，界面就是 $F$ 的零水平集。事实证明，这个函数 $F$ 本身满足水平集演化方程，为移动边界提供了一个精确的、解析的表示，无需任何数值近似。这揭示了水平集框架不仅仅是一种数值技巧，而是一种对任何定义为物理场等值线的界面的基本数学描述。

数学家的秘密：余面积公式

在这次旋风式的巡览之后，一个深刻的问题浮现出来：为什么这一个方法对如此多不同的问题都如此有效？是什么秘密将细胞的分裂、飞机机翼的设计和裂纹的扩展联系在一起？答案在于一个优美而深刻的数学成果，称为余面积公式。

本质上，余面积公式提供了一种将体积上的积分与函数水平集上的累次积分联系起来的方法。对于一个函数 $u$ ，它（粗略地）陈述了：在一个体积上对某个量 $g$ 进行积分，等同于先在每个水平面 $\{u=t\}$ 上对 $g$ 进行积分，然后再将这些结果对所有可能的 $t$ 值进行积分。在这个变量变换中的“汇率”涉及到梯度的大小 $|\nabla u|$ 。该公式的一个具体形式如下：

\int_{\mathbb{R}^{n}} g(\boldsymbol{x})\,|\nabla u(\boldsymbol{x})|\,d\boldsymbol{x} = \int_{-\infty}^{\infty} \left( \int_{u^{-1}(t)} g(\boldsymbol{x})\,dS \right) dt

这可能看起来很抽象，但它却是水平集方法的数学核心。它为我们的直觉提供了严谨的论证。它告诉我们，我们确实可以通过沿着水平集切片的方式来思考一个涉及整个体积的问题。水平集方法正是这一原理的计算体现。它允许我们将一个关于连续世界中移动曲面的几何复杂问题，重新表述为一个关于简单、固定网格上的标量场的问题——一个计算机特别擅长解决的问题。这最终就是该方法固有的美感和力量：它是连接自然界优雅几何与计算结构化逻辑的完美桥梁。