[論文レビュー] Physics-informed convolutional neural network with bicubic spline interpolation for sound field estimation

Kazuhide Shigemi, Shoichi Koyama+2 more|arXiv (Cornell University)|Jul 22, 2022

Flow Measurement and Analysis被引用数 4

ひとこと要約

本稿では、スパースなマイク測定からの正確で物理的に整合性のある音場推定を実現するため、双三次スプライン補間を組み込んだ物理情報付き畳み込みニューラルネットワーク（PICNN）を提案する。ヘルムホルツ方程式の制約を補間された圧力場上で評価される損失関数を通じて統合することにより、従来のCNNと比較して優れた物理的妥当性を達成しながら、特にデータが限られた状況でも高い推定精度を維持する。

ABSTRACT

A sound field estimation method based on a physics-informed convolutional neural network (PICNN) using spline interpolation is proposed. Most of the sound field estimation methods are based on wavefunction expansion, making the estimated function satisfy the Helmholtz equation. However, these methods rely only on physical properties; thus, they suffer from a significant deterioration of accuracy when the number of measurements is small. Recent learning-based methods based on neural networks have advantages in estimating from sparse measurements when training data are available. However, since physical properties are not taken into consideration, the estimated function can be a physically infeasible solution. We propose the application of PICNN to the sound field estimation problem by using a loss function that penalizes deviation from the Helmholtz equation. Since the output of CNN is a spatially discretized pressure distribution, it is difficult to directly evaluate the Helmholtz-equation loss function. Therefore, we incorporate bicubic spline interpolation in the PICNN framework. Experimental results indicated that accurate and physically feasible estimation from sparse measurements can be achieved with the proposed method.

研究の動機と目的

• 物理的制約が欠如しているため、既存の学習ベースの音場推定手法が物理的に不成立な解を生成するという限界を是正すること。
• 従来の波動関数展開手法が著しく劣化するようなスパースな測定条件下での推定精度の向上。
• 音場推定に物理情報付きニューラルネットワーク（PICNN）フレームワークを統合し、解がヘルムホルツ方程式を満たすようにすること。
• 離散化されたCNN出力におけるヘルムホルツ方程式の損失評価の課題を克服するため、連続場評価を可能にする双三次スプライン補間を導入すること。
• 提案手法が音場再構成において高い精度と強い物理的整合性を両立できることを示すこと。

提案手法

• 本手法は、ヘルムホルツ方程式からの逸脱をペナルティとする損失関数を最小化する物理情報付きCNN（PICNN）を採用する。
• CNNの離散的圧力出力を双三次スプライン補間により連続圧力場に再構成し、正確なヘルムホルツ方程式の評価を可能にする。
• ヘルムホルツ方程式の損失は、ドメイン全体におけるラプラシアンとk²項の残差の二乗積分として計算される。
• 学習率0.01で最適化するAdamオプティマイザを用い、スケール不変性を確保するための入力標準化を実施する。
• 一般化の段階で位相不変性を達成するため、学習中に位相ランダム化を適用する。
• 損失関数には、データ適合性と物理的整合性のバランスを取るための正則化項（λ = 10⁻⁵）を含む。

Fig. 1 : Experimental setup. The sound field in the rectangular target region $\Omega$ is estimated. The positions of the vertices of the pentagonal room are indicated.

実験結果

リサーチクエスチョン

• RQ1 双三次スプライン補間を組み込んだ物理情報付きCNNは、標準的なディープラーニング手法と比較して、マイクがスパースな配置の下でも音場推定精度を向上させることができるか？
• RQ2 提案手法は、ベースラインCNNと比較して、どの程度効果的にヘルムホルツ方程式を満たす物理的整合性を強制できるか？
• RQ3 双三次スプライン補間の統合により、離散化されたCNN出力におけるヘルムホルツ方程式損失の正確な評価が可能になるか？
• RQ4 推定精度と物理的妥当性の観点から、提案手法はカーネル補間手法と比較してどの程度優れているか？
• RQ5 限られた学習データのもとで、異なる音響環境にわたって一般化性能が十分に高いか？

主な発見

• M=5測定条件下で、提案手法はNMSE -2.44 dBを達成し、カーネル法（-1.36 dB）およびベースラインCNNを大きく上回った。
• M=10の条件下で、提案手法はNMSE -4.88 dBおよびHE 2.35を達成し、高い精度と強い物理的整合性を両立した。
• 提案手法は、ベースラインCNNと比較して平均で23%のヘルムホルツ方程式誤差（HE）を低減し、優れた物理的妥当性を示した。
• 視覚的結果から、提案手法は不自然な変動を示すベースラインCNNとは異なり、滑らかでより自然な圧力分布を生成した。
• M=20の条件下で、HE平均値2.06を維持しながら高い精度を達成したため、物理的制約が効果的に強制されていることが確認された。
• 複数のランダムシードにおいても安定した性能を示し、NMSEおよびHEの標準偏差が低く抑えられており、性能の安定性が裏付けられた。