Linearised Calderón problem: Reconstruction of unbounded perturbations in 3D

Aquí presento un resumen técnico detallado del artículo "Linearised Calderón Problem: Reconstruction of Unbounded Perturbations in 3D" (Problema de Calderón Linealizado: Reconstrucción de Perturbaciones No Acotadas en 3D) de Henrik Garde y Markus Hirvensalo.

1. El Problema: Inversión en el Problema de Calderón Linealizado

El artículo aborda el problema inverso de Calderón linealizado en un dominio tridimensional, específicamente en la bola unitaria $B \subset \mathbb{R}^3$.

• Contexto Físico: Se considera la ecuación de conductividad $-\nabla \cdot (\gamma \nabla u) = 0$ con condiciones de Neumann en la frontera. El objetivo es reconstruir una perturbación de la conductividad $\eta$ (donde $\gamma = 1 + \eta$) a partir de mediciones de frontera.
• Linealización: En lugar de reconstruir la conductividad completa $\gamma$ (problema no lineal), se estudia la derivada de Fréchet del mapa de Neumann a Dirichlet (ND), denotada como $F = D\Lambda(1; \eta)$. Esta operador lineal mapea la perturbación $\eta$ a los datos de frontera.
• Desafío Principal: El trabajo se centra en permitir la reconstrucción de perturbaciones no acotadas, es decir, funciones $\eta$ que pertenecen al espacio $L^3(B)$ (y no solo a $L^\infty(B)$). Esto es crucial porque en aplicaciones prácticas, las conductividades pueden tener singularidades o comportamientos que no están acotados esencialmente.
• Diferencia con el caso 2D: Mientras que en 2D se había logrado una reconstrucción exacta para perturbaciones en $L^2$, en 3D la extensión natural requiere trabajar en $L^3(B)$, lo cual presenta desafíos analíticos y numéricos adicionales, especialmente en la topología de los espacios de perturbación.

2. Metodología: Base de Zernike 3D y Sustitución Directa

La metodología propuesta es un algoritmo de reconstrucción directa y exacta basado en una expansión en serie de una base ortonormal específica.

A. Base de Zernike 3D

El núcleo del método es el uso de una base ortonormal para $L^2(B)$ compuesta por funciones de Zernike tridimensionales:
$$\psi_{\ell}^{k,m}(r, \theta, \phi) = R_{\ell}^k(r) Y_{\ell}^m(\theta, \phi)$$
Donde:

• $Y_{\ell}^m$ son los armónicos esféricos (parte angular).
• $R_{\ell}^k$ son los polinomios radiales de Zernike 3D (parte radial).
• Los índices son $k, \ell \in \mathbb{N}_0$ y $m \in \{-\ell, \dots, \ell\}$.

Cualquier perturbación $\eta \in L^3(B)$ (que está contenida en $L^2(B)$) puede expandirse como:
$$\eta = \sum_{k, \ell, m} c_{\ell}^{k,m} \psi_{\ell}^{k,m}$$

B. Estructura Triangular y Sustitución Directa

El resultado principal (Teorema 1.1) establece una fórmula recursiva para calcular los coeficientes $c_{\ell}^{k,m}$. La estructura del sistema de ecuaciones es triangular, lo que permite una sustitución directa (forward substitution):

1. Se calculan los coeficientes para $k=0$ (funciones armónicas) directamente a partir de los datos de frontera.
2. Los coeficientes para $k=1$ se calculan usando los datos de frontera y los coeficientes ya obtenidos para $k=0$.
3. En general, los coeficientes para un índice $k$ dependen únicamente de los datos de frontera y de los coeficientes con índices $q < k$.

C. Reducción de Datos de Medición

Un hallazgo significativo es la eficiencia en los datos requeridos. Para reconstruir el coeficiente $c_{\ell}^{k,m}$, solo es necesario utilizar corrientes de Neumann de la forma $Y_{k+1}^0$ (armónicos esféricos con orden $m=0$).

• Esto contrasta con la intuición de que se necesitarían todas las combinaciones de $m$.
• En 3D, el rango de índices $m$ crece como $2\ell+1$, por lo que usar todos los armónicos generaría una redundancia masiva. El método demuestra que un subconjunto pequeño de mediciones es suficiente para la reconstrucción exacta.

3. Resultados Principales

Teorema 1.1 (Fórmula de Reconstrucción)

El teorema proporciona una fórmula explícita para los coeficientes $c_{\ell}^{k,m}$:
$$c_{\ell}^{k,m} = (Q_{\ell,0}^{k,m,k})^{-1} \left( \langle (F\eta)Y_{k+1}^0, Y_{\ell+k+1}^m \rangle_{L^2(\partial B)} - \sum_{q=0}^{k-1} \sum_{s=0}^{k-q} Q_{\ell,s}^{k,m,q} c_{\ell+2s}^{q,m} \right)$$
Donde $Q$ son escalares precalculados que dependen de coeficientes de Gaunt y símbolos de Wigner 3j, pero son independientes de la perturbación $\eta$.

Extensiones Analíticas

• Continuidad en $L^3$: Se demuestra que el operador linealizado $F$ se extiende continuamente a perturbaciones en $L^3(B)$, lo que valida el uso de esta base para funciones no acotadas.
• Unicidad: Se confirma que si $F\eta = 0$, entonces la transformada de Fourier de $\eta$ (extendida a cero fuera de la bola) es cero, garantizando la inyectividad del mapa linealizado en este espacio.

Ejemplos Numéricos

Los autores presentan simulaciones numéricas que demuestran:

1. Reconstrucción Exacta: Con datos simulados de alta precisión (16 dígitos), la reconstrucción de una perturbación gaussiana localizada es casi perfecta, incluso con truncamientos en los índices de expansión.
2. Estabilidad con Ruido: Al utilizar datos generados por un modelo de Elementos Finitos (FE) más tosco (simulando mediciones reales con ruido), el método sigue produciendo reconstrucciones aproximadas razonables.
3. Ventaja de la Estructura Triangular: A diferencia de otros métodos de reconstrucción, la naturaleza triangular del algoritmo significa que los coeficientes calculados no se ven afectados por la truncación de los índices superiores, lo que facilita la regularización.

4. Contribuciones Clave y Significancia

1. Generalización a 3D y $L^3$: Es el primer algoritmo que ofrece una reconstrucción directa y exacta para perturbaciones en $L^3(B)$ en tres dimensiones, superando las limitaciones de los métodos anteriores restringidos a $L^2$ o $L^\infty$.
2. Eficiencia Computacional y de Datos:
   • El método es computacionalmente eficiente debido a la sustitución directa (no requiere resolver sistemas lineales grandes e inversos).
   • Reduce drásticamente la cantidad de mediciones necesarias en la frontera, utilizando solo corrientes con simetría axial ($m=0$), evitando la redundancia inherente a los armónicos esféricos en 3D.
3. Robustez Numérica: La estructura triangular inherente al método proporciona una estabilidad numérica superior frente a la truncación de la serie, permitiendo reconstrucciones precisas incluso con datos ruidosos o modelos de discretización gruesos.
4. Fundamento Teórico: Proporciona una extensión rigurosa del problema linealizado a espacios de funciones no acotadas, demostrando que la inyectividad y la reconstrucción son posibles más allá de las perturbaciones suaves o acotadas.

Conclusión

El artículo de Garde y Hirvensalo representa un avance significativo en la teoría de imágenes médicas y problemas inversos. Al combinar la base de Zernike 3D con una estrategia de sustitución directa, logran un método que es exacto, eficiente y capaz de manejar perturbaciones físicamente realistas (no acotadas) en 3D. La capacidad de reconstruir con un subconjunto mínimo de datos de frontera hace que este enfoque sea prometedor para aplicaciones prácticas donde la adquisición de datos completos es costosa o imposible.