<div dir="ltr">Two iterations for the eigen estimate is too low and gmres converges slowly. I'm surprised this does not diverge, or just die, for a Laplacian because you need to get an upper bound. Cheby will scale the estimate up by some safety factor (is it really large now?). Try: -<font color="#500050" face="monospace, monospace"><span style="font-size:12.8px">mg_levels_esteig_ksp_max_it 10 </span></font>(the old default). I usually use 5.<div><br></div><div>Also, I would suggest using cg (-<font color="#500050" face="monospace, monospace"><span style="font-size:12.8px">mg_levels_esteig_ksp_type cg</span></font>), it converges much faster. If your problem is not very asymmetric, it is fine.</div></div><div class="gmail_extra"><br><div class="gmail_quote">On Wed, Sep 13, 2017 at 11:35 AM, Hong <span dir="ltr"><<a href="mailto:hzhang@mcs.anl.gov" target="_blank">hzhang@mcs.anl.gov</a>></span> wrote:<br><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><div dir="ltr"><div class="gmail_extra"><div class="gmail_quote">Federico :<span class=""><br><blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left:1px solid rgb(204,204,204);padding-left:1ex"><div dir="ltr"><div></div><div><br><div><font face="monospace, monospace">  Coarse grid solver -- level ------------------------------<wbr>-</font></div><div><font face="monospace, monospace">    KSP Object:    (mg_levels_0_)     128 MPI processes</font></div><div><font face="monospace, monospace">      type: chebyshev</font></div><div><font face="monospace, monospace">        Chebyshev: eigenvalue estimates:  min = 0.223549, max = 2.45903</font></div><div><font face="monospace, monospace">        Chebyshev: eigenvalues estimated using gmres with translations  [0. 0.1; 0. 1.1]</font></div><div><font face="monospace, monospace">        KSP Object:        (mg_levels_0_esteig_)         128 MPI processes</font></div><div><font face="monospace, monospace">          type: gmres</font></div><div><font face="monospace, monospace">            GMRES: restart=30, using Classical (unmodified) Gram-Schmidt Orthogonalization with no iterative refinement</font></div><div><font face="monospace, monospace">            GMRES: happy breakdown tolerance 1e-30</font></div><div><font face="monospace, monospace">          maximum iterations=10, initial guess is zero</font></div><div><font face="monospace, monospace">          <b style="background-color:rgb(255,153,0)">tolerances:  relative=1e-12</b>, absolute=1e-50, divergence=10000.</font></div><div><font face="monospace, monospace">          left preconditioning</font></div><div><font face="monospace, monospace">          <b style="background-color:rgb(255,153,0)">using PRECONDITIONED norm type for convergence test</b></font></div><div><font face="monospace, monospace">      <span style="background-color:rgb(255,153,0)">maximum iterations=2</span>, initial guess is zero</font></div><div><font face="monospace, monospace">      tolerances:  relative=1e-05, absolute=1e-50, divergence=10000.</font></div><div><font face="monospace, monospace">      left preconditioning</font></div><div><font face="monospace, monospace">      using NONE norm type for convergence test</font></div></div></div></blockquote><div> </div></span><div><span style="font-family:monospace,monospace">Chebyshev requires an estimate of operator eigenvalues, for which we use few gmres iterations. These default options are used for eigenvalue estimates.</span></div><span class="HOEnZb"><font color="#888888"><div><span style="font-family:monospace,monospace"><br></span></div><div><span style="font-family:monospace,monospace">Hong</span></div><div> </div></font></span></div></div></div>
</blockquote></div><br></div>