[논문 리뷰] Smart Rewritings of the Basic Equations for Quantitative Non-Linear Inverse Scattering

Martina T. Bevacqua, Tommaso Isernia|arXiv (Cornell University)|2020. 12. 30.

Microwave Imaging and Scattering Analysis참고 문헌 45인용 수 20

한 줄 요약

이 논문은 2차원 스칼라 역산산 문제에서 비선형성의 정도를 줄이기 위해 Lippman-Schwinger 방정식의 새로운 재작성—특히 Y0, NIE, 및 가상 실험(Virtual Experiments) 프레임워크—을 제안한다. 이는 사전 정보 없이도 더 강건한 정량적 재구성 가능성을 제공한다. 하이브리드 Y0-NIE-CSI 및 VE-NIE-CSI 방법은 복잡한 목표물(예: MNIST 기반 산란체)을 고대비(χ=1.9) 조건에서도 매우 낮은 NMSE(최저 0.19)로 정확하게 이미징할 수 있었으며, 기존 방법에 비해 뚜렷한 향상이 있음을 보여준다.

ABSTRACT

Nonlinearity arising from mutual interactions is one of the two main difficulties to be addressed in inverse scattering. In this paper, we review and describe under a common rationale some approaches which have been introduced in literature in order to counteract nonlinearity. In particular, we focus on possible rewritings of the Lippman Schwinger basic equation such to reduce the degree of nonlinearity of inverse scattering problem. In detail, three different rewritings are discussed and compared by emphasizing similarities and the differences, and in the same rewriting spirit, we also summarize and discuss the Virtual Experiments framework. Then, some possible joint exploitations of the above concepts are introduced, discussed and tested against numerical examples.

연구 동기 및 목표

• 사전 정보가 없을 경우 자주 발생하는 잘못된 해를 유도하는 정량적 역산산 문제의 비선형성 문제를 해결하기 위함.
• Lippman-Schwinger 방정식의 새로운 수학적 재작성으로 비선형성의 정도(DNL)를 감소시키기 위함.
• 가상 실험(VE) 프레임워크를 고급 적분방정식 모델과 통합하여 내부 필드를 조절하고 역산산의 안정성을 향상시키기 위함.
• 다양한 전략을 융합한 하이브리드 역산산 방법—Y0-NIE-CSI 및 VE-NIE-CSI—을 개발하고 테스트하여 재구성 정확도를 향상시키기 위함.

제안 방법

• 대비 함수 χ에 대한 기능적 의존성을 변화시켜 DNL를 감소시키기 위해 Y0, NIE(신규 적분방정식), CS-EB(대비 소스 확장 보른)의 세 가지 별도 모델을 사용해 Lippman-Schwinger 방정식을 재작성한다.
• 가상 실험(VE) 프레임워크를 도입하여 산란 데이터를 재구성하여 집중된 대비 소스 또는 원형 대칭 필드를 생성함으로써, 역산산 문제를 효과적으로 국소화한다.
• Y0/NIE 모델과 CSI(대비 소스 역산) 최적화 프레임워크를 조합한 하이브리드 역산산 방법—Y0-NIE-CSI 및 VE-NIE-CSI—을 개발한다.
• 수렴 안정성과 재구성 정밀도를 향상시키기 위해 비용 기능에 페널티 항을 도입한다. 특히 고대비 조건에서 유의미한 개선 효과가 있다.
• 비선형 최소화 기법을 사용하여 역산산 문제를 해결하며, 보조 미지수(R 및 대비 함수)는 공액 기울기 방법을 통해 반복적으로 갱신한다.
• 2차원 스칼라 TM 문제에서 시뮬레이션된 데이터를 사용하여 방법을 검증하였으며, χ=1.9인 MNIST 데이터셋에서 유래한 목표물이 포함되어 있다.

실험 결과

연구 질문

• RQ1 Lippman-Schwinger 방정식의 다른 수학적 재작성 방식은 역산산 문제의 비선형성 정도를 줄일 수 있는가?
• RQ2 가상 실험(VE) 프레임워크는 사전 정보 없이도 내부 필드를 어떻게 조절하여 역산산의 강건성을 향상시키는가?
• RQ3 Y0/NIE 공식화와 VE 프레임워크를 융합한 하이브리드 모델은 고대비 목표물의 재구성 정확도를 크게 향상시킬 수 있는가?
• RQ4 정규화 및 페널티 항은 비선형 역산산에서 수렴성과 재구성 품질에 어떤 영향을 미치는가?
• RQ5 제안된 Y0-NIE-CSI 및 VE-NIE-CSI 방법은 표준 NIE-CSI에 비해 강건성과 정확도 측면에서 어떻게 비교되는가?

주요 결과

• Y0-NIE-CSI 방법은 χ=1.9인 목표물을 성공적으로 재구성하여 대비 함수의 NMSE가 0.18에 도달했으며, 동일 조건에서 표준 NIE-CSI는 완전히 실패하였다.
• VE-NIE-CSI 방법은 페널티 항이 포함된 경우 대비 함수의 NMSE가 0.19, 포함되지 않은 경우 0.27을 기록하여 고대비 조건에서나 사전 정보 없이도 강건성을 입증하였다.
• VE-NIE-CSI 비용 기능에 페널티 항을 적용함으로써 NMSE는 0.27에서 0.19로 감소하였고, 반복 횟수는 11,687회에서 1,178회로 감소하여 수렴성과 안정성이 향상됨을 나타냈다.
• Y0 모델은 기존 공식화 대비 낮은 DNL을 보였으며, 이는 기존 방법이 실패하는 조건에서도 신뢰할 수 있는 재구성을 가능하게 하였다.
• 하이브리드 Y0-NIE-CSI 및 VE-NIE-CSI 방법은 복잡하고 고대비 목표물의 재구성에서 표준 NIE-CSI를 뛰어넘는 성능을 보였으며, 다양한 비선형성 감소 전략을 융합한 것이 효과적임을 확인하였다.
• 결과는 이러한 프레임워크의 추가 융합이 더 큰 향상을 가져올 수 있으며, 특히 고도의 정규화 또는 기계학습 기법과 조합할 경우 더욱 향상될 수 있음을 시사한다.