Resumen Técnico: La Física Importa en PnP: Garantías de Recuperación con los Denoisers MMSE y NN

1. Planteamiento del Problema

El artículo aborda el problema inverso lineal mal planteado de la recuperación de un vector aleatorio $x \in \mathbb{R}^n$ a partir de una observación $y \in \mathbb{R}^m$ gobernada por el modelo de propagación:
$$y = Ax + e$$
donde $A: \mathbb{R}^n \to \mathbb{R}^m$ es un operador lineal, y $e$ es ruido gaussiano con una media cero y una matriz de covarianza $\Sigma_E$ posiblemente no diagonal y definida positiva. El problema está mal condicionado y es potencialmente no único si $A$ no es inyectiva.

Los autores investigan el paradigma Plug-and-Play (PnP), específicamente la iteración de división forward-backward (FBS). A diferencia de los enfoques clásicos que dependen de funcionales de regularización explícitos, el PnP reemplaza el operador proximal por un operador de eliminación de ruido (denoiser) $\hat{D}$. La iteración general considerada es:
$$x_{k+1} = \hat{D}(x_k + \gamma B(y - Ax_k))$$
donde $\gamma > 0$ es un tamaño de paso y $B \in \mathbb{R}^{n \times m}$ es un operador lineal. El desafío central abordado es establecer garantías de recuperación rigurosas (límites de error) para esta iteración cuando el denoiser es el estimador de Error Cuadrático Medio Mínimo (MMSE), y extender estos resultados a casos donde el MMSE es aproximado por una red neuronal (NN).

Una distinción crítica de este trabajo es el tratamiento de la distribución del ruido. Mientras que muchos análisis de PnP existentes asumen que el denoiser es entrenado sobre ruido gaussiano isotrópico ($\sigma^2 I$), este artículo considera ruido gaussiano degenerado con estructuras de covarianza generales, reconociendo que el ruido inyectado en el denoiser durante la iteración PnP depende del operador de propagación $A$ y de la elección de $B$.

2. Metodología

2.1 El Marco del Denoiser MMSE

Los autores definen el denoiser óptimo $\hat{D}$ como el estimador MMSE de $X$ dado una observación ruidosa $Z = X + \Upsilon$, donde $\Upsilon \sim \mathcal{N}(0, \Sigma_\Upsilon)$. Crucialmente, $\Sigma_\Upsilon$ no se asume isotrópica; puede ser degenerada (de rango deficiente) y se elige para coincidir con la distribución del término de ruido $\gamma B e$ generado durante la iteración PnP.

El estimador MMSE se define como la media condicional posterior:
$$\hat{D}_\mu(z) = \mathbb{E}[X | Z=z] = \frac{\int x \phi(z-x; \tilde{\Sigma}_\Upsilon) d\mu(x)}{\int \phi(z-x; \tilde{\Sigma}_\Upsilon) d\mu(x)}$$
donde $\phi$ es el núcleo de densidad gaussiana adaptado al subespacio $V = \text{Im}(\Sigma_\Upsilon)$.

2.2 Supuestos Clave

El análisis se basa en varios supuestos estructurales:

• Compacidad: El soporte de la distribución a priori $\mu_X$ es compacto y está acotado por $M$.
• Consistencia de Subespacio: El soporte de $\mu_X$ reside dentro del subespacio $V$ generado por la covarianza del ruido $\Sigma_\Upsilon$.
• Propiedades del Operador: La matriz $BA$ es simétrica y semidefinida positiva. El operador $B$ mapea hacia $V$.
• Inyectividad Restringida: La intersección del núcleo de $BA$ y el cono tangente del envolvente convexo del soporte de $\mu_X$ es trivial, asegurando la invertibilidad en el conjunto relevante.

2.3 Análisis de las Aproximaciones de Redes Neuronales

Reconociendo que el estimador MMSE exacto es computacionalmente intratable en dimensiones altas, los autores extienden su análisis a denoisers parametrizados por redes neuronales ReLU. Utilizan la teoría de la aproximación para acotar el ancho, la profundidad y las magnitudes de los pesos necesarios de una red para aproximar el mapa identidad (y así el denoiser MMSE) en el soporte del a priori con una precisión específica $\epsilon$.

3. Contribuciones Principales

El artículo realiza tres contribuciones primarias, yendo más allá de la visión de "caja negra" de los denoisers PnP:

1. Regularidad y Estabilidad de los Denoisers MMSE:
   Los autores establecen que el denoiser MMSE es Lipschitz continuo y, bajo condiciones específicas (ruido gaussiano con covarianza no degenerada), cocoercivo. Esto proporciona una justificación teórica rigurosa para la "no expansión firme" que a menudo se impone heurísticamente en los métodos PnP. También demuestran la estabilidad del denoiser con respecto a la medida a priori (continuidad de Wasserstein).

2. Garantías de Recuperación para PnP con MMSE:
   El artículo deriva límites de error de recuperación tanto puntuales como de distancia de Wasserstein para la iteración PnP-FBS.

   • Límites Puntuales: El límite de error depende del número de condición del operador $BA$ restringido al cono tangente del conjunto solución, el nivel de ruido y el error de muestreo del a priori empírico.
   • Límites de Wasserstein: La distribución de las iteraciones converge a la distribución a priori verdadera. El límite incluye explícitamente un término de la métrica de Bures, que mide la discrepancia entre la distribución de ruido utilizada para entrenar el denoiser ($\Upsilon$) y el ruido efectivo en la iteración ($\gamma B E$).

3. La Necesidad de Denoisers Conscientes de la Física (Physics-Aware):
   Un hallazgo teórico central es que el denoiser no puede ser elegido de una manera ajena a la física. La elección del operador $B$ y la covarianza del ruido $\Sigma_\Upsilon$ utilizados para construir el denoiser deben estar acoplados. Específicamente, para un rendimiento óptimo, el denoiser debe ser entrenado con estadísticas de ruido que coincidan con el ruido de observación transformado $\gamma B E$. La elección estándar $B = A^\top$ asume implícitamente que el denoiser es agnóstico al modelo de propagación, lo cual los autores demuestran que conduce a límites de recuperación subóptimos a menos que se cumplan condiciones específicas.

4. Resultados Principales

4.1 Recuperación Puntual

El Teorema 3.2 proporciona un límite para el error de reconstrucción $\|x_k - x\|$. El error converge a un entorno de la solución determinado por:

• Amplificación de Ruido: Proporcional a $\gamma \|B\| \|e\|$.
• Desempeño del Denoiser: Relacionado con la distancia entre la señal verdadera y las muestras de entrenamiento empíricas.
• Condicionamiento: La tasa de convergencia $q$ depende del número de condición de $BA$ en el conjunto solución.
  Crucialmente, el límite se mantiene incluso si el denoiser no es contractivo, siempre que el número de condición de $BA$ sea suficientemente favorable en relación con la constante de Lipschitz del denoiser.

4.2 Recuperación Distribucional

El Teorema 3.6 establece límites para la distancia de Wasserstein cuadrada esperada $W_2^2(\hat{\mu}_k, \mu_X)$ entre la distribución de las iteraciones y el a priori verdadero. El límite revela que el error se minimiza cuando la covarianza del ruido de entrenamiento $\Sigma_\Upsilon$ coincide con la covarianza del ruido de iteración $\gamma^2 B \Sigma_E B^\top$. Si este ajuste es perfecto, el término de la métrica de Bures desaparece, mejorando significamente el límite.

4.3 Aproximación de Redes Neuronales

El Teorema 3.11 extiende los límites puntuales al caso donde el denoiser MMSE es reemplazado por una red neuronal entrenada. El límite de error incluye términos para:

• El error de aproximación de la red (dependiente de $\epsilon$).
• Las constantes de Lipschitz de la red.
• El error de muestreo de los datos de entrenamiento.
  Los autores derivan requisitos específicos para la profundidad y el ancho de la red para lograr una precisión de aproximación deseada, mostrando que las garantías de recuperación se mantienen siempre que la red sea suficientemente expresiva.

5. Significado y Reivindicaciones

El artículo afirma que su análisis cambia fundamentalmente la comprensión de los métodos PnP al demostrar que la física importa.

• Rechazo de la Agnósticidad: Los autores argumentan que la práctica común de entrenar denoisers con ruido genérico (por ejemplo, gaussiano isotrópico) y aplicarlos a problemas inversos con operadores de propagación $A$ y covarianzas de ruido $\Sigma_E$ arbitrarios es teóricamente errónea. El denoiser debe ser "consciente de la física" (physics-aware), lo que significa que su distribución de ruido de entrenamiento debe alinearse con la distribución de ruido introducida por el operador $B$ en la iteración PnP.
• Supuestos Relajados: Al aprovechar las propiedades específicas del estimador MMSE (cocoercividad y límites de Lipschitz derivados del a priori), los autores derivan garantías de recuperación sin requerir el fuerte supuesto de que el denoiser sea un mapeo de contracción o un operador proximal de un funcional convexo.
• Límites Cuantitativos: El artículo proporciona límites de error explícitos y no asintóticos que cuantifican las compensaciones entre el condicionamiento del problema inverso, la calidad del denoiser (y sus datos de entrenamiento) y el nivel de ruido.

En conclusión, este trabajo proporciona una base teórica rigurosa para los métodos Plug-and-Play, enfatizando que el diseño del denoiser y la elección del operador de división $B$ están inextricablemente ligados al modelo de propagación y a las estadísticas de ruido del problema inverso específico que se está resolviendo.