Shape optimization for piecewise parameter identification in inverse diffusion problems with a single boundary measurement

Resumen Técnico: Optimización de Forma para la Identificación de Parámetros Segmentados en Problemas de Difusión Inversa

Planteamiento del Problema
Este estudio aborda el problema de difusión inversa de reconstrucción de un coeficiente de absorción dependiente del espacio ($\mu$) dentro de un dominio acotado $\Omega \subset \mathbb{R}^d$ ($d \in \{2, 3\}$). El modelo físico está gobernado por la ecuación de difusión en estado estacionario con una condición de contorno de Robin, la cual modela la reflexión parcial de la luz en las fronteras de los tejidos en la tomografía óptica difusa (DOT). El desafío principal radica en la maldad del problema (ill-posedness), específicamente en la dificultad de recuperar $\mu$ a partir de una única medición de frontera ($u|_{\Sigma} = h$).

Los autores se centran en una estructura geométrica específica donde el coeficiente de absorción es constante por tramos, definido como $\mu = \mu_0 \chi_{\Omega \setminus \omega} + \mu_1 \chi_{\omega}$, donde $\omega$ es un subdominio desconocido con una frontera de interfaz de suavidad segmentada $\partial \omega$. Esta formulación desplaza el problema de una tarea estándar de identificación de parámetros a un problema de geometría inversa, donde tanto el valor del coeficiente como la forma de la interfaz deben ser recuperados.

Metodología
El artículo propone un enfoque basado en la optimización de la forma que difiere de los métodos convencionales basados únicamente en la derivada de Fréchet con respecto al parámetro. En su lugar, el método utiliza la derivada Euleriana del funcional de costo con respecto a la interfaz de frontera desconocida.

1. Marco Matemático:

   • El problema directo se formula como un mapa de Robin-a-Dirichlet.
   • El problema inverso se plantea como la minimización de un funcional de mínimos cuadrados regularizado: $J_\rho(\mu, \omega) = \frac{1}{2}\|u(\mu, \omega) - h\|^2_{L^2(\partial \Omega)} + R(\mu, \rho)$.
   • Se emplea la regularización de Tikhonov para mitigar la maldad del problema. Los autores también exploran un "principio de equilibrio" heurístico para seleccionar el parámetro de regularización $\rho$ sin conocimiento previo de los niveles de ruido.

2. Análisis de Sensibilidad de la Forma:

   • La contribución teórica central implica la derivación de la derivada Euleriana (gradiente de forma) del funcional de costo con respecto al subdominio $\omega$.
   • Los autores computan rigurosamente esta derivada utilizando el método adjunto. Introducen un estado adjunto $p$ que satisface un sistema de EDP específico.
   • Un resultado teórico clave (Teorema 3.6) proporciona la expresión del gradiente de forma en la interfaz $\partial \omega$ sin requerir el cálculo explícito de la derivada Euleriana de la variable de estado $u$. Esta derivación se basa en supuestos de regularidad leves (fronteras Lipschitz) y utiliza la fórmula de diferenciación de frontera de Hadamard.

3. Algoritmo Numérico:

   • Se desarrolla un esquema de descenso iterativo dentro de un marco de elementos finitos.
   • El algoritmo actualiza simultáneamente tanto los valores del coeficiente de absorción como la geometría de la interfaz de frontera.
   • Para asegurar la estabilidad y suprimir oscilaciones durante la actualización de la forma, el método emplea un esquema de descenso de gradiente de Sobolev. Esto implica resolver una ecuación de Laplace de tipo vectorial para generar un campo de deformación suave $\theta$ a partir del gradiente de forma bruto.
   • El algoritmo maneja geometrías no convexas y complejas moviendo los nodos de la malla computada mediante el campo de deformación.

Contribuciones Clave

• Reconstrucción con una Sola Medición: El artículo demuestra que la reconstrucción precisa del coeficiente de absorción y su interfaz de frontera es factible utilizando solo una única medición de frontera, un escenario donde los métodos convencionales suelen fallar o requieren múltiples entradas.
• Optimización de Forma para la Difusión Inversa: Esto se presenta como el primer estudio que aborda este problema de reconstrucción específico desde la perspectiva de la optimización de la forma, tratando la interfaz como la variable principal para la recuperación.
• Derivación Rigurosa: Los autores proporcionan una derivación rigurosa del gradiente de forma para el funcional de mínimos cuadrados, manejando explícitamente las condiciones de salto a través de la interfaz y las condiciones de contorno de Robin.
• Manejo de Geometrías No Suaves: Se muestra que el esquema numérico es efectivo para reconstruir fronteras no convexas e interfaces con bordes afilados (por ejemplo, cuadrados, formas en T), a pesar de que los supuestos teóricos de regularidad requieren fronteras más suaves.

Resultados
Se realizaron experimentos numéricos en 2D utilizando tanto datos exactos como con ruido (ruido gaussiano). Las pruebas incluyeron:

• Problemas Radiales: Recuperación de interfaces circulares con variaciones en los contrastes de absorción.
• Geometrías Complejas: Reconstrucción de interfaces no circulares y no convexas (por ejemplo, formas de cacahuete, formas en T invertidas, cuadrados).
• Variaciones de la Fuente: Pruebas utilizando funciones de fuente constantes, fuentes puntuales (delta de Dirac) y múltiples fuentes cerca de la frontera.

Los resultados indican:

• El método recupera con éxito tanto la magnitud del coeficiente de absorción como la geometría de la interfaz.
• El enfoque es robusto al ruido, aunque la precisión de la reconstrucción para regiones cóncavas y vértices afilados se degrada ligeramente con niveles altos de ruido.
• La elección de la estimación inicial y el parámetro de regularización (específicamente el parámetro de equilibrio $\beta$) influye significativamente en la convergencia y la precisión.
• El método funciona bien incluso cuando el término de la fuente viola los supuestos estrictos de regularidad (por ejemplo, fuentes puntuales), lo que sugiere una aplicabilidad práctica más allá de las restricciones teóricas.

Significancia y Reivindicaciones
Los autores afirman que el método propuesto ofrece una alternativa novedosa a los enfoques convencionales al evitar la necesidad de múltiples mediciones o entradas de frontera. Al utilizar la optimización de la forma y la derivada Euleriana, el método logra una delimitación precisa de la interfaz de la frontera, contrastando con los métodos convencionales que a menudo producen fronteras borrosas o difusas.

El artículo enfatiza que, si bien el problema es inherentemente mal planteado, la combinación de optimización de la forma, regularización de Tikhonov y el principio de equilibrio proporciona una estrategia de reconstrucción estable y efectiva. Los autores señalan que el éxito del método en la reconstrucción de fronteras no convexas y no suaves resalta su potencial para problemas de reconstrucción complejos que involucran discontinuidades de salto, con aplicaciones potenciales que se extienden más allá de la DOT estándar hacia la DOT de fluorescencia y otras técnicas de imagen óptica. El estudio concluye que el enfoque es práctico y efectivo, particularmente para escenarios donde el coeficiente de absorción es constante por tramos.