[논문 리뷰] Numerical Optimization Algorithm of Wavefront Phase Retrieval from Multiple Measurements

Ji Li, Tie Zhou|arXiv (Cornell University)|2016. 07. 07.

Advanced X-ray Imaging Techniques참고 문헌 31인용 수 3

한 줄 요약

이 논문은 최대우도(MLP) 및 최소제곱(LS) 모델에 기반한 비볼록 목적함수를 사용하여 다중 강도 측정값으로부터 웨이브플론 단면상 복원을 위한 수치 최적화 프레임워크를 제안한다. 복소변수 최적화 기법을 개발하여 LS 모델이 MLP 모델보다 더 우수한 헤시안 고유값 군집화를 보이며, 시뮬레이션에서 LBFGS가 가장 효율적이고 강건한 것으로 나타났다.

ABSTRACT

Wavefront phase retrieval from a set of intensity measurements can be formulated as an optimization problem. Two nonconvex objective models (MLP and its variants LS) based on maximum likelihood estimation are investigated. We develop numerical optimization algorithms for real-valued function of complex variables and apply them to solve the wavefront phase retrieval problem efficiently. Numerical simulation is given with application to three wavefront phase retrieval problems. LS model shows better numerical performances than MLP model. An explanation for this is that the distribution of the eigenvalues of Hessian matrix of LS model is more clustered than MLP model. LBFGS shows more robust performance and takes fewer calculations than other line search methods.

연구 동기 및 목표

• 적응광학 및 천문학 분야에서 웨이브플론 단면상 복원의 정의되지 않은 문제성과 유일성 부족 문제를 해결한다.
• 다중 강도 측정값(단면 다양성)을 사용하여 단면상 복원 문제를 비볼록 최적화 문제로 수식화한다.
• 실수값 함수의 복소변수에 특화된 수치 최적화 알고리즘을 개발하여 단면상 복원 문제를 해결한다.
• 수렴성과 강건성 측면에서 최대우도(MLP) 및 최소제곱(LS) 모델의 성능을 비교한다.
• 다양한 선 탐색 방법의 효율성과 안정성, 특히 LBFGS의 성능을 평가한다.

제안 방법

• 포isson 우도 추정에 기반한 비볼록 목적함수(MLP)와 정규분포 근사로 구성된 최소제곱(LS) 모델을 수립한다.
• 복소수 미적분학을 활용하여 두 모델의 기울기 및 헤시안 연산자를 유도함으로써, 복소수 영역 내에서의 효율적 최적화를 가능하게 한다.
• 실수값 함수의 복소변수에 대한 선 탐색 방법을 구현하여, 직접적으로 복소수 매개변수에 작용하도록 한다.
• 제한된 메모리 헤시안 근사 기법을 활용하여 확장성 있는 최적화를 수행하기 위해 LBFGS 알고리즘을 적용한다.
• 웨이브플론 강도 측정값을 모델링하기 위해 이산 푸리에 변환을 사용하고, 전진 연산자 F(u)를 정의한다.
• 반복 업데이트에서 0으로 나누는 것을 방지하기 위해 헤시안 계산을 안정화시키기 위해 작은 정규화 파라미터 ε²을 도입한다.

실험 결과

연구 질문

• RQ1 웨이브플론 단면상 복원에서 MLP 및 LS 모델의 수치 성능와 수렴 속도 측면에서의 비교는 어떻게 되는가?
• RQ2 헤시안 고유값 분포가 단면상 복원 알고리즘의 수렴 행동에 미치는 영향은 무엇인가?
• RQ3 LBFGS 또는 다른 선 탐색 방법 중 어떤 것이 이 맥락에서 더 뛰어난 강건성과 계산 효율성을 보이는가?
• RQ4 LS 모델은 더 통계적으로 타당한 MLP 모델에 대한 효과적이고 계산 효율적인 근사로 기능할 수 있는가?
• RQ5 다중 측정값(단면 다양성)의 사용이 단면상 복원 해의 유일성과 안정성에 어떻게 기여하는가?

주요 결과

• 수치 시뮬레이션에서 LS 모델이 항상 MLP 모델보다 뛰어난 성능을 보이며, 더 빠른 수렴 속도와 높은 정확도를 달성한다.
• LS 모델의 헤시안 행렬은 MLP 모델 대비 더 잘 군집된 고유값 분포를 보이며, 이는 우수한 수렴 행동의 원인으로 기여한다.
• LBFGS는 다른 선 탐색 방법에 비해 가장 강력한 성능을 보이며, 더 적은 반복 횟수와 함수 평가 수를 요구한다.
• LS 모델은 높은 재구성 정밀도를 유지하면서도 MLP 모델보다 계산 효율성이 뛰어나다.
• 다중 측정값(단면 다양성)의 사용은 단일 강도 측정값에서 발생하는 유일성 부족 문제를 완화하고 웨이브플론 단면상을 유일하게 복원할 수 있도록 한다.
• 복소수 함수에 대한 유도된 기울기 및 헤시안 연산자는 복소수 영역 내 정확하고 효율적인 최적화에 필수적이다.