💻 computer science

Mitigating Spectral Bias in Neural Operators for Underwater Transmission Loss Prediction

Este artículo propone un marco de Aprendizaje Residual Espectral-Espacial (S2RL, por sus siglas en inglés) que mitiga el sesgo espectral de los Operadores de Redes de Fourier mediante la descomposición de la predicción de la pérdida de transmisión submarina en una propagación espectral global y un refinamiento espacial local, logrando así predicciones rápidas, precisas y de grano fino que superan a las líneas de base existentes.

Autores originales: Yifan Sun, Shikai Fang, Chao Zhang, Lei Cheng, Jianlong Li, Peter Gerstoft

Publicado 2026-08-20

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Yifan Sun, Shikai Fang, Chao Zhang, Lei Cheng, Jianlong Li, Peter Gerstoft

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

El océano es un laberinto vasto y cambiante donde el sonido viaja en ondas complejas e invisibles. Para los científicos e ingenieros que trabajan bajo el agua, predecir qué tan lejos viajará un sonido y cuánto se desvanecerá —conocido como pérdida de transmisión— es una cuestión de importancia crítica. Este conocimiento guía todo, desde la colocación de sensores sensibles hasta la trazado de rutas seguras para submarinos. Tradicionalmente, descifrar estos patrones ha sido una tarea lenta y pesada. Los investigadores dependen de potentes resolvedores numéricos, que son esencialmente simulaciones digitales que procesan la física de las ondas sonoras paso a paso. Si bien estas simulaciones son fiables, son tan costosas computacionalmente que no pueden ejecutarse con la rapidez necesaria para decisiones en tiempo real o planificación a gran escala.

Para acelerar esto, los investigadores han recurrido a la inteligencia artificial, entrenando modelos informáticos para aprender la relación entre el entorno oceánico y los patrones de sonido resultantes. Un tipo de modelo prometedor, llamado Operador Neuronal de Fourier, ha demostrado una gran capacidad para comprender el comportamiento global y amplio de estas ondas. Sin embargo, estos modelos tienen un punto ciego: son excelentes para ver el panorama general, pero tienden a difuminar los detalles finos e intrincados. Suavizan los patrones de interferencia agudos y dentados que están realmente presentes en el agua, de forma muy parecida a una fotografía de baja resolución que captura la forma de un rostro pero pierde la textura de la piel. Un nuevo estudio de investigadores de la Universidad de Zhejiang y la Universidad Técnica de Dinamarca aborda esta debilidad específica, ofreciendo una forma de mantener la velocidad de estos modelos rápidos mientras se recuperan los detalles perdidos.

Los investigadores, liderados por Yifan Sun y Lei Cheng, propusieron un sistema de dos etapas que llaman Aprendizaje Residual Espectral-Espacial. En lugar de pedirle a un único modelo de inteligencia artificial que haga todo perfectamente a la vez, dividieron el trabajo en dos pasos distintos. En la primera etapa, un Operador Neuronal de Fourier estándar actúa como un "Propagador Global". Su trabajo es generar rápidamente una predicción aproximada y amplia de cómo se mueve el sonido a través del agua. Este modelo es muy bueno capturando las tendencias generales y la estructura de gran escala del campo sonoro, pero, como era de esperar, produce un resultado que es demasiado suave, perdiendo los bordes afilados y las ondulaciones finas.

La segunda etapa introduce un "Refinador Local", un tipo diferente de red neuronal diseñada para observar los errores cometidos por el primer modelo. Este refinador no intenta predecir todo el campo sonoro nuevamente; en su lugar, se enfoca enteramente en la diferencia, o el "residuo", entre la predicción aproximada y la realidad detallada. Al entrenarse específicamente en estos detalles faltantes, el refinador aprende a reconstruir los patrones de interferencia de alta frecuencia que el primer modelo suavizó. La respuesta final es simplemente la suma de la predicción aproximada y las correcciones detalladas, lo que resulta en una imagen completa que es tanto globalmente consistente como localmente nítida.

Para probar este enfoque, el equipo utilizó un conjunto de datos de datos acústicos submarinos del Mar de la China Meridional, simulando la propagación del sonido a una frecuencia de 200 hercios. Compararon su nuevo método de dos etapas contra los modelos estándar y los tradicionales y lentos resolvedores numéricos. Los resultados fueron sorprendentes. El resolvedor tradicional tardó unos 333 milisegundos en producir una sola predicción, lo cual es demasiado lento para muchas aplicaciones en tiempo real. Los modelos rápidos estándar fueron increíblemente veloces, tardando menos de 4 milisegundos, pero sus predicciones eran borrosas, con una tasa de error de casi 3 decibelios. El nuevo método de dos etapas añadió solo una cantidad mínima de tiempo, elevando el total a unos 8 milisegundos, pero redujo la tasa de error a aproximadamente 1,5 decibelios.

La evidencia visual confirmó lo que mostraban los números. Al observar la salida bruta del modelo estándar, las intrincadas franjas de interferencia —los patrones complejos donde las ondas sonoras se superponen y se cancelan entre sí— estaban desvaídas e indistintas. El nuevo método, sin embargo, restauró estos patrones precisos y nítidos, haciendo que la predicción se viera casi idéntica a la simulación de alta fidelidad. Además, los investigadores analizaron la distribución de energía de las ondas sonoras y encontraron que el modelo estándar perdía energía en las frecuencias más altas, que corresponden a esos detalles finos. Su sistema de dos etapas recuperó con éxito esta energía perdida, demostrando que el "refinador" estaba llenando eficazmente los huecos dejados por el "propagador".

Este trabajo demuestra que es posible tener tanto velocidad como precisión en la predicción acústica submarina. Al reconocer que diferentes partes del problema requieren diferentes herramientas, los investigadores crearon un sistema que aprovecha la velocidad de los modelos globales para el panorama general y la precisión de los modelos locales para los detalles. El resultado es una herramienta que puede predecir campos de sonido submarinos con alta precisión en milisegundos, ofreciendo una solución práctica para aplicaciones oceánicas en tiempo real sin sacrificar los detalles de grano fino que hacen que la física del océano sea tan compleja.

Resumen Técnico: Mitigación del Sesgo Espectral en Operadores Neuronales para la Predicción de la Pérdida de Transmisión Subacuática

1. Declaración del Problema

La predicción precisa y rápida de la pérdida de transmisión (TL) acústica subacuática es esencial para aplicaciones oceánicas en tiempo real, como la optimización del posicionamiento de sensores o la planificación de rutas de vehículos. Los resolvedores numéricos tradicionales, como el Modelo Acústico Dependiente del Rango (RAM), proporcionan resultados fiables pero sufren de altos costos computacionales, lo que los hace inadecuados para la inferencia a gran escala o en tiempo real.

Aunque los modelos sustitutos de aprendizaje profundo, particularmente los Operadores Neuronales de Fourier (FNO), han surgido como alternativas eficientes debido a sus campos receptivos globales, exhiben una limitación crítica conocida como sesgo espectral. La arquitectura FNO estándar emplea un mecanismo de truncamiento de frecuencia, reteniendo solo los $k$ modos de frecuencia más bajos para computar correlaciones globales. Esta operación actúa como un filtro de paso bajo, causando que los modelos FNO produzcan predicciones excesivamente suavizadas. En consecuencia, aunque los FNO capturan eficazmente las tendencias de propagación global, fallan en resolver los patrones de interferencia de grano fino y los gradientes espaciales agudos intrínsecos a los campos acústicos submarinos.

2. Metodología: Aprendizaje Residual Espectral-Espacial (S2RL)

Para abordar el compromiso entre la consistencia global y el detalle local, los autores proponen un marco de Aprendizaje Residual Espectral-Espacial (S2RL) de dos etapas. Este enfoque descompone la tarea de predicción de TL en un proceso de grueso a fino basado en una interpretación operador-teórica de FNO como un propagador de paso bajo.

A. Motivación Teórica

Desde una perspectiva de operador, el FNO con modos truncados aproxima el operador de solución como una proyección de banda limitada ( $U_{coarse} \approx P_{low}U$ ). El error de predicción no es ruido aleatorio, sino un residuo estructurado que reside en el espacio de alta frecuencia complementario ( $U_{res} \approx P_{high}U$ ). El marco S2RL modela explícitamente el campo de TL como la suma de estos componentes:
$U = P_{low}U + P_{high}U$

B. Arquitectura del Marco

El marco consta de dos redes neuronales en cascada:

Etapa I: Propagador Global ( $G_1$ )
- Rol: Genera una predicción gruesa y globalmente consistente del campo acústico.
- Arquitectura: Utiliza un núcleo basado en FNO. Los autores evalúan dos variantes:
  - Vanilla FNO: Utiliza campos de velocidad del sonido oceánico crudos como entrada.
  - Hankel-FNO: Aumenta las entradas con prioris físicos, incluyendo el comportamiento asintótico de la función de Hankel de orden cero (para capturar la pérdida de propagación dependiente del rango) y una incrustación de batimetría (para capturar los efectos de reflexión del lecho marino).
- Salida: Una aproximación de baja frecuencia ( $U_{coarse}$ ) que captura las tendencias de propagación dominantes pero carece de detalles de alta frecuencia.
Etapa II: Refinador Local ( $G_2$ )
- Rol: Recupera los residuos de alta frecuencia para corregir la salida excesivamente suavizada de la Etapa I.
- Arquitectura: Una U-Net que opera en el dominio espacial. A diferencia de FNO, U-Net utiliza convoluciones locales y conexiones de salto (skip connections), lo que la hace apta para capturar bordes, gradientes agudos y texturas locales.
- Entrada/Salida: Toma $U_{coarse}$ como entrada y predice el mapa residual ( $U_{res}$ ).
- Predicción Final: La predicción final es la suma de la predicción gruesa y el residuo refinado: $U_{pred} = U_{coarse} + U_{res}$ .

C. Estrategia de Entrenamiento

Las redes se entrenan secuencialmente utilizando una estrategia por etapas para asegurar la estabilidad:

Fase 1 (Aprendizaje de Tendencia Global): El Propagador Global ( $G_1$ ) se entrena para minimizar la pérdida L2 enmascarada entre su salida y la verdad de campo (ground truth). Una máscara binaria excluye la capa de sedimento, enfocando la optimización en la columna de agua.
Fase 2 (Aprendizaje de Residuo): Una vez que $G_1$ converge, sus parámetros se congelan. El Refinador Local ( $G_2$ ) se entrena entonces para minimizar el error de reconstrucción de la predicción final ( $U_{coarse} + G_2(U_{coarse})$ contra la verdad de campo, aprendiendo específicamente la discrepancia entre la aproximación gruesa y los detalles de alta frecuencia reales.

3. Contribuciones Clave

Descomposición Espectral-Espacial: El artículo introduce un marco principista que desacopla el modelado de la propagación de ondas globales (dominio espectral) del modelado de los residuos de interferencia de alta frecuencia (dominio espacial), abordando directamente el sesgo espectral inherente a los FNO.
Arquitectura Híbrida: Propone un diseño en cascada específico que combina la eficiencia de los FNO para tendencias globales con las capacidades de extracción de características multiescala de las U-Nets para residuos de alta frecuencia.
Integración de Prioris Físicos: El estudio demuestra la integración de conocimiento específico del dominio (asíntotas de la función de Hankel e incrustación de batimetría) en el núcleo FNO para mejorar la predicción gruesa inicial.
Recuperación Eficiente de Alta Frecuencia: A diferencia de los métodos que requieren una discretización más densa o refinamiento iterativo (por ejemplo, PINNs), S2RL logra la recuperación de escala fina a través de una única pasada hacia adelante (forward pass) de la red refinada.

4. Resultados Experimentales

Los experimentos se realizaron en un conjunto de datos derivado del Mar de la China Meridional, simulando pérdidas de transmisión a 200 Hz mediante RAM. El conjunto de datos incluyó 3,456 muestras cubriendo un rango de 10 km y una profundidad de 1.5 km.

Precisión: El marco S2RL superó significativamente a los modelos FNO de referencia.
- Vanilla FNO: RMSE reducido de 2.93 dB a 1.56 dB.
- Hankel-FNO: RMSE reducido de 1.95 dB a 1.54 dB.
- Ambos núcleos convergieron a un nivel de alta precisión comparable, demostando la robustez del Refinador Local.
Eficiencia: Todos los modelos neuronales lograron velocidades de inferencia de milisegundos (aprox. 3–10 ms), lo que es dos órdenes de magnitud más rápido que el resolvedor RAM (333 ms). La adición de la etapa de refinamiento introdujo solo una sobrecarga marginal (~5 ms).
Análisis Espectral: El análisis de Densidad Espectral de Potencia (PSD) confirmó que, si bien las predicciones gruesas se alineaban con la verdad de campo en bajas frecuencias, decayeron rápidamente en frecuencias más altas debido al sesgo espectral. Las predicciones refinadas recuperaron exitosamente esta energía de alta frecuencia, siguiendo de cerca el perfil de la verdad de campo a través de todo el espectro.
Calidad Visual: Las comparaciones visuales mostraron que, mientras el FNO original producía franjas de interferencia borrosas, S2RL rectificó estas discrepancias, recuperando patrones nítidos y precisos.

5. Significado y Reivindicaciones

El artículo sostiene que el marco S2RL ofrece una alternativa principista a la simple de aumentar la resolución espectral o la profundidad de la red, lo que a menudo produce rendimientos decrecientes. Al descomponer explícitamente el problema en propagación global de baja frecuencia y residuos de interferencia de alta frecuencia, el método logra un equilibrio entre la eficiencia computacional y la fidelidad de la reconstrucción.

Los autores posicionan a S2RL como un sustituto eficiente y preciso para la compleja propagación de ondas acústicas, capaz de entregar predicciones que son tanto globalmente consistentes como localmente precisas. Esto hace que el enfoque sea particularmente adecuado para aplicaciones oceánicas acústicas en tiempo real donde tanto la velocidad como la resolución precisa de los patrones de interferencia de grano fino son críticas. El marco mantiene las ventajas de velocidad de los operadores neuronales mientras supera su principal limitación respecto al sesgo espectral.