Tensor-Based Reduced-Order Modeling for Optimization-Based Inverse Problems

Résumé Technique : Modélisation d'Ordre Réduit à Base de Tenseurs pour les Problèmes Inverses Basés sur l'Optimisation

Énoncé du Problème
Les problèmes inverses régis par des systèmes dynamiques dépendants de paramètres (EDP ou EDO) nécessitent des évaluations répétées d'un modèle de haute fidélité (modèle d'ordre complet ou FOM) pour inférer des paramètres inconnus à partir de mesures indirectes et bruitées. Lorsque la dimension des paramètres est modérée à élevée, ou lorsque le problème doit être résolu de manière répétée pour différentes réalisations de données (comme dans les applications de jumeaux numériques), le coût computationnel des évaluations du FOM et de l'analyse de sensibilité devient prohibitif. Les techniques classiques de modélisation d'ordre réduit (ROM) se concentrent souvent sur l'accélération des résolutions directes (forward solves), mais peinent à traiter la nature multidimensionnelle de la carte paramètre-observation requise pour une optimisation globale, particulièrement lorsque les substituts locaux manquent de la robustesse nécessaire pour une optimisation multi-départs dans des paysages non convexes.

Méthodologie
Les auteurs proposent un cadre de Modélisation d'Ordre Réduit Tensoriel (TROM) qui approxime directement la carte paramètre-observation sous le format Tensor-Train (TT). Contrairement aux ROM traditionnels qui réduisent l'espace d'état, cette approche compresse la dépendance conjointe des observations sur les paramètres.

1. Construction Hors Ligne (Offline) :

   • Le domaine des paramètres est discrétisé en une grille, et les observations résultantes forment un tenseur de haute dimension $T$.
   • TT-SVD : Le tenseur complet est assemblé et compressé via la SVD tronquée de ses matricisations. Cela fournit une erreur d'approximation contrôlée, mais nécessite l'accès à toutes les entrées du tenseur, ce qui devient irréalisable pour des dimensions élevées.
   • TT-Cross : Pour éviter l'assemblage complet du tenseur, les auteurs emploient l'interpolation TT-Cross combinée à l'enrichissement AMEn (Alternating Minimal Energy). Cette méthode échantillonne de manière adaptative un petit sous-ensemble d'entrées du tenseur pour construire la représentation compressée, ce qui la rend viable pour des dimensions de paramètres plus élevées ($D \ge 6$).
   • Prétraitement : Pour les espaces d'observation étendus, une réduction de dimension préliminaire (via SVD ou encodeurs non linéaires) est appliquée au vecteur d'observation avant la compression TT afin de réduire davantage les coûts hors ligne.

2. Inversion et Intégration en Ligne (Online) :
   Le TROM est intégré dans une formulation de moindres carrés non linéaires régularisée ($\min_\alpha \frac{1}{2}\|f(\alpha) - y_{obs}\|^2 + \frac{\lambda}{2}\|\alpha - \alpha_{ref}\|^2$) de quatre manières spécifiques :

   • C1 (Approximation Directe) : Le substitut $\hat{f}$ remplace le FOM dans la fonction objectif.
   • C2 (Gauss-Newton en Coordonnées Réduites) : En orthogonalisant le premier cœur TT, le terme des moindres carrés est reformulé dans un espace de coordonnées réduites de dimension $r_2$ (le second rang TT). Cela permet d'assembler les quantités de Gauss-Newton ($J^T J$ et $J^T \eta$) directement à partir de la structure de bas rang du tenseur sans former le Jacobien complet de l'espace d'observation.
   • C3 (Optimisation Basée sur le Tenseur) : La fonction objectif est minimisée directement sur la grille discrète des paramètres en utilisant la représentation TT. Cela peut servir de solveur approximatif autonome ou, plus efficacement, comme une initialisation informée par les données pour un solveur GN ultérieur.
   • C4 (Analyse de Robustesse) : La méthode prend en compte à la fois le bruit de mesure et l'erreur d'approximation TROM lors de la sélection du paramètre de régularisation via le principe de l'écart (discrepancy principle).

Expériences Numériques
Le cadre est évalué sur deux problèmes inverses distincts :

1. Transfert de Chaleur Inverse : Un problème d'EDP parabolique dans un milieu hétérogène impliquant la récupération des localisations et des rayons d'inclusions de faible conductivité. Les dimensions de paramètres testées sont $D=3, 6, 9$.
2. Estimation de Paramètres de FitzHugh–Nagumo : Un système d'EDO non linéaire modélisant des dynamiques excitables. Le paysage de l'objectif est hautement non convexe avec de multiples minima locaux, ce qui le rend sensible à l'initialisation.

Résultats Clés

• Précision et Efficacité : Les substituts TROM (à la fois TT-SVD et TT-Cross) reproduisent le comportement de l'inversion du modèle complet avec des coûts en ligne considérablement réduits. Pour le problème de transfert de chaleur, les temps d'inversion en ligne sont de l'ordre de la milliseconde, représentant des accélérations de $10^3$ à $10^4$ par rapport aux méthodes de Gauss-Newton basées sur le FOM.
• Scalabilité : TT-Cross étend avec succès l'approche à $D=9$, un régime où l'assemblage complet du tenseur pour TT-SVD est numériquement impossible.
• Robustesse :
  • Dans le problème de transfert de chaleur, la méthode reste stable sous le bruit de mesure et les variations de discrétisation spatiale.
  • Dans le problème de FitzHugh–Nagumo, l'étape d'optimisation tensorielle (C3) surpasse significativement l'initialisation aléatoire. Elle identifie un bassin d'attraction proche du minimum global, alors que les méthodes GN standards avec départs aléatoires convergent fréquemment vers de faux minima locaux.
• Bénéfices de l'Intégration Profonde : L'utilisation de la formulation en coordonnées réduites (C2) et de l'initialisation basée sur le tenseur (C3) fournit un facteur d'accélération supplémentaire de 4 à 8 par rapport à l'inversion TROM "simple" (où le substitut n'est utilisé que pour l'évaluation directe et les différences finies sont utilisées pour les Jacobiens).

Signification et Revendications
L'article affirme que la contribution principale réside dans le fait de ne pas utiliser les TROM uniquement comme de rapides substituts directs (forward surrogates). Au lieu de cela, les auteurs démontrent que la structure de bas rang du tenseur peut être exploitée tout au long de la résolution inverse pour :

1. Reformuler le problème d'optimisation dans des coordonnées réduites, découplant le coût en ligne de la dimension complète de l'observation.
2. Assembler efficacement les informations de sensibilité (produits de Jacobien) sans formation explicite du Jacobien.
3. Fournir une stratégie d'initialisation robuste et informée par les données qui atténue la sensibilité des solveurs non linéaires aux mauvais points de départ dans des paysages non convexes.

Les auteurs concluent que, bien que la construction hors ligne du substitut TROM entraîne un coût computationnel important (particulièrement pour les dimensions élevées), les résolutions inverses en ligne qui en résultent sont peu coûteuses, stables et robustes. Cela rend l'approche particulièrement adaptée aux applications nécessitant des inversions répétées, telles que les jumeaux numériques, à condition que le coût hors ligne puisse être amorti. La méthode équilibre efficacement l'erreur d'approximation, le bruit de mesure et la régularisation pour produire des reconstructions stables.