[논문 리뷰] Stability of the Gel'fand inverse boundary problem via the unique continuation

Dmitri Burago, Sergei Ivanov외 2명|arXiv (Cornell University)|2020. 12. 08.

Numerical methods in inverse problems참고 문헌 51인용 수 5

한 줄 요약

이 논문은 유한한 수의 노이먼 고유값과 그 경계값—작은 오차에 의해 훼손된 상태—이 기하학적 구조가 유계인 만능에서 원래 만능과 가까운 거리에서 Gromov-Hausdorff 의미에서 재구성될 수 있음을 보여주는 정량적 안정성 추정을 수립한다. 이 결과는 파동 연산자의 유일 연속성에 대한 새로운 안정성 추정에 기반한다.

ABSTRACT

In the Gel'fand inverse problem, one aims to determine the topology, differential structure and Riemannian metric of a compact manifold $M$ with boundary from the knowledge of the boundary $\partial M$, the Neumann eigenvalues $\lambda_j$ and the boundary values of the eigenfunctions $\varphi_j|_{\partial M}$. We show that this problem has a stable solution with quantitative stability estimates in a class of manifolds with bounded geometry. More precisely, we show that finitely many eigenvalues and the boundary values of corresponding eigenfunctions, known up to small errors, determine a metric space that is close to the manifold in the Gromov-Hausdorff sense. We provide an algorithm to construct this metric space. This result is based on an explicit estimate on the stability of the unique continuation for the wave operator. We hope our results may have applications, in particular, to medicine.

연구 동기 및 목표

• 경계를 가진 컴act 리만 만능에 대한 겔프란 역경계 문제의 안정적 해법을 수립하는 것.
• 노이즈 또는 근사적인 경계 데이터로부터 만능 기하학을 재구성하는 데 필요한 정량적 안정성 추정을 유도하는 것.
• 유한한 수의 노이먼 고유값과 그에 해당하는 경계 고유함수 값이 Gromov-Hausdorff 위상에서 원래 만능과 가까운 거리의 매트릭스 공간을 결정함을 보여주는 것.
• 주어진 데이터로부터 근사적인 매트릭스 공간을 구성하는 알고리즘을 개발하는 것.
• 유계 기하학과 작은 측정 오차를 포함하는 설정으로까지 기하 해석에서의 역문제의 적용 가능성을 확장하는 것.

제안 방법

• 파동 연산자의 유일 연속성 성질을 활용하여 역문제에 대한 안정성 추정을 도출한다.
• 유일 연속성에 대한 명시적 정량적 경계를 적용하여 역재구성 과정에서 오차의 전파를 제어한다.
• 작은 변동이 있는 유한한 수의 노이먼 고유값과 그 경계 추적값을 입력 데이터로 사용한다.
• 주어진 데이터를 바탕으로 매트릭스 공간 근사를 구성하여 진정한 만능으로의 Gromov-Hausdorff 수렴을 보장한다.
• 유계 기하 조건을 활용하여 곡률와 초입성 반경을 제어함으로써 균일한 안정성 추정을 가능하게 한다.
• 측정된 고유값과 경계 고유함수로부터 근사적인 매트릭스 공간을 계산하는 알고리즘 프레임워크를 개발한다.

실험 결과

연구 질문

• RQ1 유한한 수의 고유값과 경계 고유함수 값이 소수의 오차로 알려져 있을 때 겔프란 역경계 문제를 안정적으로 해결할 수 있는가?
• RQ2 측정된 데이터의 오차와 재구성된 매트릭스 공간이 진짜 만능과의 Gromov-Hausdorff 거리 사이에 정량적 관계가 존재하는가?
• RQ3 파동 연산자의 유일 연속성 성질이 역문제의 안정성에 어떤 영향을 미치는가?
• RQ4 유계 기하 조건 하에서 경계 스펙트럼 데이터로부터 만능의 위상, 미분 구조, 리만 매트릭스가 어느 정도 복원될 수 있는가?
• RQ5 노이즈가 있는 경계 스펙트럼 데이터로부터 원래 만능과 가까운 매트릭스 공간을 명시적으로 구성할 수 있는 알고리즘을 개발할 수 있는가?

주요 결과

• 기하학적으로 유계인 만능의 클래스에서 겔프란 역경계 문제는 정량적 안정성 추정이 제공되는 안정적 해법을 갖는다.
• 소수의 오차로 훼손된 유한한 수의 노이먼 고유값과 그 경계값은 Gromov-Hausdorff 의미에서 원래 만능과 가까운 거리의 매트릭스 공간을 재구성하는 데 충분하다.
• 안정성 추정은 파동 연산자에 대한 새로운 정량적 경계에 기반한다.
• 주어진 스펙트럼 데이터로부터 근사적인 매트릭스 공간을 명시적으로 구성하는 알고리즘이 개발되었다.
• 결과는 입력 데이터의 소수의 변동에도 강인하여 측정 노이즈가 포함된 응용 분야에서 실용적 관련성을 갖는다.
• 이 프레임워크는 의료 영상 분야에 응용될 수 있으며, 특히 경계 측정에서 내부 구조를 재구성하는 데 유용할 수 있다.