Identifiability Limits in Ultrasonic Microstructure Characterisation: A Canonical and Stochastic Framework

Resumen Técnico: Límites de Identificabilidad en la Caracterización Ultrasonora de Microestructuras

Enunciado del Problema
La caracterización ultrasonora de microestructuras se basa en invertir las respuestas de onda medidas (atenuación, velocidad, retrodispersión) para inferir descriptores del material, como tamaño de grano, textura y heterogeneidad. Aunque los métodos de inversión y el aprendizaje automático han avanzado, persiste una pregunta fundamental: ¿contienen los campos de onda medidos información independiente suficiente para recuperar de manera única los descriptores objetivo? A menudo, las ambigüedades en las propiedades inferidas se atribuyen a los algoritmos de inversión, cuando en realidad pueden derivar de una no unicidad intrínseca en el mapeo directo. Este trabajo aborda la "identificabilidad" de las mediciones ultrasónicas, distinguiendo entre las limitaciones causadas por el método de inversión y aquellas inherentes al contenido informativo de la propia medición.

Metodología
El estudio emplea un marco unificado que analiza la geometría del operador directo a través de dos niveles de modelado distintos:

1. Modelo Canónico de Impulso-Eco: Se utiliza un modelo unidimensional homogéneo simplificado (bloque de titanio en agua) para aislar mecanismos fundamentales. El mapeo directo relaciona cuatro parámetros (densidad $\rho$, espesor $d$, atenuación $\alpha$, impedancia $Z$) con tres observables (tiempo de vuelo, relaciones de amplitud de eco, reflexión de la cara frontal). La identificabilidad se evalúa mediante análisis analítico del Jacobiano, descomposición en valores singulares (SVD) y evaluación del número de condición para cuantificar la deficiencia de rango, el acoplamiento de parámetros y la saturación impulsada por interfaces.
2. Microestructuras Estocásticas de Sustitución: Para abordar la heterogeneidad, el marco se extiende a medios bidimensionales modelados como Campos Aleatorios Gaussianos (GRF). La microestructura se parametriza mediante una longitud de correlación ($D$) y un parámetro de coherencia de textura ($T$). El mapeo directo predice la atenuación media y la velocidad.
   • Identificabilidad Estructural: Analizada mediante el Jacobiano del mapa de características de la media del conjunto para determinar si el sistema es de rango completo y evaluar la anisotropía de la sensibilidad.
   • Identificabilidad Práctica: Extendida mediante un marco de Información de Fisher ponderado por la varianza. Esto incorpora la covarianza intrínseca de los observables que surge de las realizaciones estocásticas de la microestructura. La sensibilidad se normaliza por la variabilidad para determinar si los cambios de parámetros son distinguibles de las fluctuaciones naturales de la microestructura.
   • Validación: Experimentos de inversión utilizando métodos de búsqueda basados en cuadrícula en el paisaje de la función objetivo verifican las predicciones teóricas sobre restricciones y recuperación.

Contribuciones Clave

• Línea Base Geométrica para la Identificabilidad: El artículo establece una línea base geométrica para los límites de identificabilidad utilizando un modelo canónico, revelando que la no unicidad surge no solo de la subdeterminación dimensional, sino también de un acoplamiento severo de parámetros y una saturación dependiente de la impedancia.
• Sensibilidad Anisotrópica en Medios Heterogéneos: Demuestra que, incluso cuando un mapeo directo de sustitución es estructuralmente de rango completo (número de observables igual al número de parámetros), la identificabilidad práctica está gobernada por una fuerte anisotropía. La sensibilidad se distribuye de manera desigual, con una dirección de parámetro (coherencia de textura) que a menudo domina a la otra (longitud de correlación).
• Marco de Fisher Ponderado por Varianza: El trabajo introduce un enfoque ponderado por varianza para la identificabilidad práctica. Muestra que la recuperabilidad no está determinada únicamente por el rango estructural, sino por el equilibrio entre la magnitud de la sensibilidad y la variabilidad estocástica intrínseca. Cuando la variabilidad es alta, la dirección de parámetro más débil se vuelve efectivamente irrecuperable, incluso si el mapa medio es teóricamente invertible.

Resultados

• Modelo Canónico: El análisis revela que el sistema canónico es de rango deficiente (4 parámetros, 3 observables), lo que conduce a una dirección casi nula causada por el acoplamiento de la densidad y el espesor. Incluso en configuraciones reducidas de rango completo, el número de condición es altamente sensible al contraste de impedancia. En contrastes altos, la saturación de la reflexión reduce la sensibilidad, alargando la geometría de la información y desestabilizando la inversión.
• Modelo de Sustitución (Estructural): El mapeo de $(D, T)$ a $(\alpha, v)$ es estructuralmente de rango completo. Sin embargo, el espectro de valores singulares muestra una anisotropía significativa; la velocidad es altamente sensible a $T$ pero débilmente a $D$, mientras que la atenuación responde a ambos pero está dominada por $D$. Esto crea una geometría de información desequilibrada donde una dirección es inherentemente más débil.
• Modelo de Sustitución (Práctico): Cuando se incorpora la variabilidad estocástica, el Jacobiano "blanqueado" revela que la dirección de parámetro más débil ($D$) se suprime aún más en regímenes de alta variabilidad de dispersión (bajo $T$, alto $D$). El índice de identificabilidad práctica confirma que $T$ gobierna principalmente si el sistema sigue siendo resoluble.
• Comportamiento de Inversión: Los paisajes de inversión confirman el análisis teórico. El uso de un solo observable (ya sea atenuación o velocidad) resulta en funciones objetivo alargadas y débilmente restringidas con una localización pobre. La combinación de ambos observables produce restricciones complementarias, resultando en un mínimo compacto y bien localizado en la verdad fundamental.

Significado y Afirmaciones
El artículo argumenta que los límites de la inversión ultrasónica están gobernados principalmente por la estructura geométrica del mapeo directo y el contenido informativo disponible en la medición, en lugar de por la sofisticación del algoritmo de inversión.

• Diseño de Mediciones: Los resultados implican que el diseño de mediciones debe guiarse por la geometría local de la información (equilibrio de sensibilidad y varianza) y no solo por la amplitud de la señal. Son necesarias estrategias de múltiples observables para restringir direcciones de parámetros complementarias.
• Contexto de Aprendizaje Automático: Los autores afirman que los métodos basados en datos no pueden recuperar información que esté débilmente expresada en la medición o suprimida por la variabilidad intrínseca. Aumentar la complejidad del modelo o los datos de entrenamiento no supera los límites fundamentales de identificabilidad impuestos por el mapeo directo.
• Utilidad Diagnóstica: El marco propuesto sirve como herramienta de diagnóstico para distinguir entre no identificabilidad estructural (deficiencia de rango), mal acondicionamiento (anisotropía) y resolución limitada por variabilidad, proporcionando una manera sistemática de evaluar la selección de observables antes de intentar la inversión.

El estudio concluye que, dentro del marco a nivel de características considerado, la identificabilidad es una propiedad de la física de la medición y la naturaleza estocástica del material, lo que requiere un cambio desde mejoras puramente algorítmicas hacia una comprensión más profunda de la geometría de la información de las respuestas ultrasónicas.