Linearised Calderón problem: Reconstruction of unbounded perturbations in 3D

Titel: Linearisiertes Calderón-Problem: Rekonstruktion unbeschränkter Störungen in 3D

Autoren: Henrik Garde und Markus Hirvensalo

1. Problemstellung

Das Paper adressiert das linearisierte inverse Leitfähigkeitsproblem (Calderón-Problem) in einem dreidimensionalen Einheitsball $B \subset \mathbb{R}^3$.

• Ausgangslage: Gegeben ist ein Leitfähigkeitskoeffizient $\gamma = 1 + \eta$, wobei $\eta$ eine Störung (Perturbation) darstellt. Das Ziel ist die Rekonstruktion von $\eta$ aus Randmessungen.
• Linearisierung: Anstatt das nichtlineare Problem für $\gamma$ zu lösen, wird die Fréchet-Ableitung des Neumann-zu-Dirichlet (ND)-Operators $\Lambda$ bei $\gamma \equiv 1$ betrachtet. Der linearisierte Operator $F = D\Lambda(1; \eta)$ verknüpft die Störung $\eta$ mit den Randdaten.
• Herausforderung: Bisherige Rekonstruktionsmethoden (insbesondere in 2D) waren oft auf beschränkte Störungen ($L^\infty$) oder quadratintegrierbare Störungen ($L^2$) beschränkt. Dieses Paper zielt darauf ab, unbeschränkte Störungen zu rekonstruieren, die im Raum $L^3(B)$ liegen.
• Mathematischer Hintergrund: Es wird gezeigt, dass der Operator $F$ sich stetig auf den Raum $L^3(B)$ (und allgemein $L^d(\Omega)$ für Dimension $d$) fortsetzen lässt, sofern die Neumann-Daten in $L^2(\partial B)$ liegen. Dies ermöglicht die Behandlung von Störungen, die nicht beschränkt sind.

2. Methodik

Die Autoren entwickeln einen exakten direkten Rekonstruktionsalgorithmus, der auf einer speziellen Basis-Funktionszerlegung beruht.

• 3D Zernike-Basis:

  • Die Störung $\eta$ wird in eine orthonormale Basis aus 3D Zernike-Funktionen entwickelt:
    $$\psi_{\ell}^{k,m}(r, \theta, \phi) = R_{\ell}^k(r) Y_{\ell}^m(\theta, \phi)$$
    wobei $Y_{\ell}^m$ sphärische Harmonische und $R_{\ell}^k$ radiale 3D Zernike-Polynome sind.
  • Diese Basis ist vollständig für $L^2(B)$ und eignet sich zur Darstellung von $\eta \in L^3(B) \subset L^2(B)$.

• Vorwärtssubstitution (Forward Substitution):

  • Das Kernstück des Algorithmus ist die Herleitung einer expliziten Formel für die Koeffizienten $c_{\ell}^{k,m}$ der Störung.
  • Die Formel besitzt eine trianguläre Struktur: Der Koeffizient für einen bestimmten Index $k$ kann direkt aus den Messdaten und den bereits berechneten Koeffizienten mit kleineren $k$-Indizes bestimmt werden.
  • Dies ermöglicht eine schrittweise (induktive) Rekonstruktion: Zuerst $\eta_0$ (harmonische Anteile), dann $\eta_1$, usw.

• Messdaten-Anforderung:

  • Ein entscheidender Vorteil der 3D-Methode ist die Effizienz der benötigten Randdaten.
  • Im Gegensatz zum 2D-Fall, wo alle Fourier-Basisfunktionen als Stromdichten benötigt werden, reicht es im 3D-Fall aus, nur eine Teilmenge der sphärischen Harmonischen als Neumann-Randbedingungen (Stromdichten) zu verwenden.
  • Konkret werden nur Stromdichten der Form $Y_{k+1}^0$ (mit festem $m=0$) für die Messungen benötigt, um alle Koeffizienten zu rekonstruieren. Dies reduziert die Redundanz erheblich, da der $m$-Index der sphärischen Harmonischen ($2\ell+1$ Werte) nicht vollständig abgetastet werden muss.

• Formel für die Koeffizienten:
  Der Koeffizient $c_{\ell}^{k,m}$ wird berechnet durch:
  $$c_{\ell}^{k,m} = (Q_{\ell,0}^{k,m,k})^{-1} \left( \langle (F\eta)Y_{k+1}^0, Y_{\ell+k+1}^m \rangle_{L^2(\partial B)} - \sum_{q=0}^{k-1} \sum_{s=0}^{k-q} Q_{\ell,s}^{k,m,q} c_{\ell+2s}^{q,m} \right)$$
  Dabei sind $Q$ skalare Konstanten, die von den Indizes abhängen, aber nicht von $\eta$. Sie beinhalten Gaunt-Koeffizienten (Integrale über Produkte von drei sphärischen Harmonischen).

3. Wichtige Beiträge und Ergebnisse

1. Erweiterung auf $L^3$-Störungen:
   Das Paper beweist, dass die exakte Rekonstruktion nicht nur für glatte oder beschränkte Störungen, sondern auch für unbeschränkte Störungen in $L^3(B)$ möglich ist. Dies ist eine signifikante Verallgemeinerung gegenüber früheren 2D-Ergebnissen.

2. Algorithmische Effizienz:
   Der vorgestellte Algorithmus ist eine Vorwärtssubstitution. Das bedeutet, dass keine Lösung eines großen linearen Gleichungssystems (wie bei iterativen Methoden) notwendig ist. Die Koeffizienten können direkt und sequentiell berechnet werden, was die numerische Implementierung sehr effizient macht.

3. Reduzierter Messaufwand:
   Im Vergleich zu einer vollständigen Basis-Abtastung wird gezeigt, dass für die exakte Rekonstruktion in 3D nur eine kleine Teilmenge der Randmessungen (spezifische $Y_{k+1}^0$-Ströme) erforderlich ist. Dies ist ein wesentlicher Unterschied zur 2D-Methode, wo alle Fourier-Moden benötigt werden.

4. Numerische Stabilität und Regularisierung:

   • Das Problem ist intrinsisch schlecht gestellt (ill-posed).
   • Die Autoren zeigen in numerischen Beispielen, dass eine $k$-abhängige Trunkierung der Indizes $\ell$ (d.h. Abbruch der Reihenentwicklung bei bestimmten $\ell$-Werten, abhängig von $k$) eine effektive Regularisierung darstellt.
   • Simulationen mit genauen Daten (Mathematica) und realistischen, verrauschten Daten (Finite-Elemente-Modellierung mit Python/scikit-fem) zeigen, dass die Methode selbst bei ungenauen Messungen gute Näherungslieferungen liefert.
   • Die trianguläre Struktur sorgt dafür, dass die Berechnung der Koeffizienten für eine bestimmte Ordnung $k$ nicht durch die Trunkierung höherer Ordnungen beeinflusst wird.

4. Signifikanz und Ausblick

• Theoretische Bedeutung: Die Arbeit schließt eine Lücke in der Theorie des inversen Problems, indem sie die Gültigkeit der Rekonstruktion auf einen größeren Funktionsraum ($L^3$) ausweitet und die mathematischen Grundlagen (Fortsetzung des Operators) in Appendix A rigoros herleitet.
• Praktische Relevanz: Die Methode ist besonders für Anwendungen geeignet, bei denen die Leitfähigkeitsstörungen scharfe Sprünge oder Singularitäten aufweisen können (unbeschränkt), was in der medizinischen Bildgebung (EIT) oder Materialprüfung vorkommt.
• Vergleich zu 2D: Während die 3D-Methode rechnerisch effizienter bezüglich der benötigten Messdaten ist, ist sie numerisch etwas weniger stabil als die 2D-Variante, da die Produktstruktur sphärischer Harmonischer zu zusätzlichen Summen führt (im Gegensatz zur einfachen Multiplikation von Exponentialfunktionen in 2D). Dennoch bleibt die Methode robust genug für praktische Anwendungen.

Zusammenfassend stellt das Paper einen effizienten, direkten und mathematisch fundierten Algorithmus zur Verfügung, der unbeschränkte Leitfähigkeitsstörungen in 3D aus linearisierten Randdaten rekonstruiert, wobei es durch die Nutzung einer 3D Zernike-Basis und einer speziellen Auswahl der Messdaten sowohl theoretisch als auch numerisch überzeugt.