Linearised Calderón problem: Reconstruction of unbounded perturbations in 3D

यहाँ हेनरिक गार्डे और मार्कस हिरवेन्सालो के शोध पत्र "Linearised Calderón Problem: Reconstruction of Unbounded Perturbations in 3D" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र तीन आयामों (3D) में लीनियराइज्ड कैलडेरॉन समस्या (linearised Calderón problem) को संबोधित करता है। इसका लक्ष्य एक इकाई गोले $B \subset \mathbb{R}^3$ के भीतर एक अज्ञात चालकता विक्षोभ (conductivity perturbation) $\eta$ को लीनियराइज्ड सीमा मापों (boundary measurements) के आधार पर पुनर्गठित करना है।

• संदर्भ: मानक कैलडेरॉन समस्या एक ज्ञात पृष्ठभूमि चालकता (जिसे $\gamma \equiv 1$ माना गया है) के आसपास एक विक्षोभ $\gamma$ को न्यूमैन-टू-डिरिचलेट (ND) मानचित्र $\Lambda(\gamma)$ से प्राप्त करने का प्रयास करती है। लीनियराइज्ड संस्करण एक विक्षोभ $\eta$ पर विचार करता है।
• ऑपरेटर: लीनियराइज्ड फॉरवर्ड मैप $F = D\Lambda(1; \eta)$, विक्षोभ $\eta$ को सीमा क्षमता (boundary potential) में परिवर्तन में मैप करता है। इसे इस संबंध द्वारा परिभाषित किया गया है:
  $$\langle (F\eta)f, g \rangle_{L^2(\partial B)} = -\int_B \eta \nabla u_f \cdot \nabla u_g \, dx$$
  जहाँ $u_f$ और $u_g$ न्यूमैन ट्रेस $f$ और $g$ वाले हार्मोनिक फलन हैं।
• मुख्य चुनौती: पिछले कार्यों (विशेष रूप से [Garde & Hyvönen, 2024]) ने 2D में $L^2$ विक्षोभों के लिए इसे हल किया था। यह शोध पत्र इस समस्या को 3D तक विस्तारित करता है और महत्वपूर्ण रूप से, $L^3(B)$ स्पेस में अनबाउंडेड (unbounded) विक्षोभों की अनुमति देता है।
  • महत्व ($L^3$ का): यह दिखाया गया है कि ऑपरेटर $F$, $L^3(B)$ से सीमा डेटा स्पेस तक निरंतर (continuous) है। यह एक महत्वपूर्ण सामान्यीकरण है क्योंकि मानक $L^\infty$ धारणाएँ कई भौतिक अनुप्रयोगों के लिए बहुत अधिक प्रतिबंधात्मक हैं जिनमें सिंगुलैरिटी या तीव्र संक्रमण शामिल होते हैं।

2. कार्यप्रणाली (Methodology)

लेखक एक 3D ज़र्निक बेसिस (Zernike basis) पर आधारित एक सटीक प्रत्यक्ष पुनर्गठन एल्गोरिदम (exact direct reconstruction algorithm) विकसित करते हैं। यह विधि एक "फॉरवर्ड सब्स्टीट्यूशन" रणनीति पर निर्भर करती है, जिससे बड़े रैखिक सिस्टम को हल किए बिना गुणांकों (coefficients) की गणना क्रमिक रूपв से की जा सकती है।

A. बेसिस फलन (Basis Functions)

पुनर्गठन $L^2(B)$ (जिसमें $L^3(B)$ शामिल है) के एक ऑर्थोनॉर्मल बेसिस में $\eta$ का विस्तार करता है:
$$\eta = \sum_{k, \ell, m} c_{\ell}^{k,m} \psi_{\ell}^{k,m}$$
जहाँ बेसिस फलन 3D रेडियल ज़र्निक बहुपदों (radial Zernike polynomials) $R_\ell^k(r)$ और गोलीय हार्मोनिक्स (spherical harmonics) $Y_\ell^m(\theta, \phi)$ के उत्पाद हैं:
$$\psi_{\ell}^{k,m}(r, \theta, \phi) = R_\ell^k(r) Y_\ell^m(\theta, \phi)$$

• $k, \ell \in \mathbb{N}_0$ (रेडियल और कोणीय डिग्री)।
• $m \in \{-\ell, \dots, \ell\}$ (एज़िमुथल ऑर्डर)।

B. पुनर्गठन एल्गोरिदम (Theorem 1.1)

मुख्य योगदान एक सूत्र है जो $c_{\ell}^{k,m}$ के इंडक्टिव (inductive) पुनर्गठन की अनुमति देता है।

1. त्रिकोणीय संरचना (Triangular Structure): विधि इस तथ्य का लाभ उठाती है कि विक्षोभ और विशिष्ट सीमा मापों के बीच की अंतःक्रिया एक त्रिकोणीय प्रणाली बनाती है।
2. विशिष्ट माप: एक निश्चित रेडियल इंडेक्स $k$ के लिए गुणांकों के पुनर्गठन हेतु, विधि $Y_0^{k+1}$ (विशेष रूप से डिग्री $k+1$ का $m=0$ मोड) के संगत सीमा धाराओं का उपयोग करती है।
3. फॉरवर्ड सब्स्टीट्यूशन:
   • $k=0$ (हार्मोनिक फलन) के लिए गुणांक, डेटा $(F\eta)Y_1^0$ से सीधे पुनर्गठित होते हैं।
   • $k=1$ के लिए गुणांक, डेटा $(F\eta)Y_2^0$ और पहले से गणना किए गए $k=0$ गुणांकों का उपयोग करके पुनर्गठित होते हैं।
   • सामान्य रूप से, $\eta_k$ (इंडेक्स $k$ के सबस्पेस पर प्रोजेक्शन) को $(F\eta)Y_{k+1}^0$ और सभी पिछले $\eta_0, \dots, \eta_{k-1}$ से पुनर्गठित किया जाता है।

गुणांक $c_{\ell}^{k,m}$ के लिए स्पष्ट सूत्र है:
$$c_{\ell}^{k,m} = (Q_{\ell,0}^{k,m,k})^{-1} \left( \langle (F\eta)Y_{k+1}^0, Y_{\ell+k+1}^m \rangle - \sum_{q=0}^{k-1} \sum_{s=0}^{k-q} Q_{\ell,s}^{k,m,q} c_{\ell+2s}^{q,m} \right)$$
जहाँ $Q$ पद गौंट गुणांकों (Gaunt coefficients) (तीन गोलाकार हार्मोनिक्स के इंटीग्रल) और पोचमर प्रतीकों (Pochhammer symbols) से संबंधित स्केलर हैं, जो $\eta$ से स्वतंत्र हैं।

3. मुख्य योगदान (Key Contributions)

1. $L^3(B)$ तक विस्तार: यह शोध पत्र सिद्ध करता है कि 3D में अनबाउंडेड विक्षोभों के लिए लीनियराइज्ड कैलडेरॉन समस्या सुव्यवस्थित (well-posed) है। यह यह दिखाने के लिए कि फ्रैचेट डेरिवेटिव (Fréchet derivative) इस स्पेस तक निरंतर रूप से विस्तारित होता है, सोबोलेव एम्बेडिंग (Sobolev embeddings) और $L^2$ न्यूमैन डेटा वाले हार्मोनिक फलन की विशिष्ट नियमितता का लाभ उठाया गया है।
2. 3D ज़र्निक बेसिस पुनर्गठन: यह 2D ज़र्निक-आधारित पुनर्गठन विधि को 3D में सामान्यीकृत करता है, जो विक्षोभों को पुनः प्राप्त करने के लिए एक सटीक, गैर-पुनरावृत्ति (non-iterative) सूत्र प्रदान करता है।
3. डेटा दक्षता: एक प्रमुख निष्कर्ष यह है कि 3D विधि में पूर्ण बेसिस विस्तार की तुलना में कम डेटा की आवश्यकता होती है।
   • 2D में, आमतौर पर सभी फूरियर मोड की आवश्यकता होती है।
   • 3D में, $k$-वें रेडियल लेयर के पुनर्गठन के लिए केवल सीमा धारा का $m=0$ मोड ($Y_0^{k+1}$) आवश्यक है। यह हर $\ell$ के लिए सभी $2\ell+1$ मोड को मापने की आवश्यकता को समाप्त कर देता है, जिससे माप का बोझ काफी कम हो जाता है।
4. अनबाउंडेड विक्षोभों को संभालना: यह विधि सैद्धांतिक रूप से उन विक्षोभों को पुनर्गठित करने में सक्षम है जो $L^\infty$ में नहीं हैं, बशर्ते वे $L^3$ में हों।

4. परिणाम और संख्यात्मक सत्यापन (Results and Numerical Validation)

• संख्यात्मक उदाहरण: लेखकों ने एक स्थानीयकृत गॉसियन-प्रकार के विक्षोभ पर विधि का परीक्षण किया।
  • सटीक डेटा (Exact Data): 16-डिजिट परिशुद्धता के साथ सिम्युलेटेड डेटा का उपयोग करते हुए, विधि ने ट्रंकेटेड इंडेक्स के साथ भी "लगभग पूर्ण" पुनर्गठन प्राप्त किया।
  • शोर युक्त/खुरदरा डेटा (Noisy/Rough Data): माप को सिम्युलेट करने के लिए एक रफ फाइनाइट एलिमेंट (FE) मॉडल (टेट्राहेड्रल मेश पर P1 एलिमेंट्स) का उपयोग करने के बाद भी, विधि ने पहले कुछ रेडियल लेयर्स ($k=0$ से $4$) के लिए स्थिर और सटीक पुनर्गठन उत्पन्न किया।
• स्थिरता (Stability): लेखक नोट करते हैं कि यद्यपि 3D विधि (स्पerical harmonics के गुणनफल से उत्पन्न अतिरिक्त समेशन टर्म के कारण) अपने 2D समकक्ष की तुलना में कम संख्यात्मक रूप से स्थिर होने की संभावना रखती है, फिर भी यह शोर वाले डेटा के साथ व्यावहारिक अनुप्रयोगों के लिए पर्याप्त मजबूत है।
• नियमितीकरण (Regularization): यह विधि स्वाभाविक रूप से $k$-डिपेंडेंट ट्रंकेशन (कोणीय रिज़ॉल्यूशन को रेडियल गहराई के साथ सीमित करना) के माध्यम से नियमितीकरण को समायोजित करती है, जो अन्य पुनर्गठन विधियों की तुलना में एक अनूठी विशेषता है।

5. महत्व और निहितार्थ (Significance and Implications)

• सैद्धांतिक प्रगति: यह कार्य 2D और 3D लीनियराइज्ड इन्वर्स कंडक्टिविटी समस्याओं के बीच के अंतर को पाटता है, विशेष रूप से अनबाउंडेड विक्षोभों ($L^3$ बनाम $L^2$) के कार्यात्मक विश्लेषणात्मक (functional analytic) आवश्यकताओं को संबोधित करता है।
• कंप्यूटेशनल दक्षता: एल्गोरिदम की "फॉरवर्ड सब्स्टीट्यूशन" प्रकृति का अर्थ है कि इसके लिए बड़े, खराब स्थिति वाले (ill-conditioned) रैखिक सिस्टम को हल करने की आवश्यकता नहीं है (जो लैंडवेबर इटरेशन जैसी पुनरावृत्ति विधियों में आम है)। यह कंप्यूटेशनल रूप से सस्ता और लागू करने में आसान है।
• व्यावहारिक प्रयोज्यता: आवश्यक सीमा मापों को कम करने (केवल $m=0$ मोड का उपयोग करके) से यह विधि उन प्रयोगात्मक सेटअपों के लिए अधिक व्यवहार्य हो जाती है जहाँ पूर्ण गोलाकार हार्मोनिक डेटा प्राप्त करना कठिन या महंगा होता है।
• भावी कार्य का आधार: $L^3$ तक विस्तार स्थापित करके, यह शोध पत्र सिंगुलैरिटी वाले चालकता को पुनर्गठित करने का मार्ग प्रशस्त करता है, जो वास्तविक दुनिया की सामग्रियों में आम है लेकिन अक्सर मानक $L^\infty$ धारणाओं द्वारा बाहर रखा जाता है।

संक्षेप में, गार्डे और हिरवेन्साला एक कठोर, कुशल और सटीक 3D चालकता पुनर्गठन एल्गोरिदम प्रदान करते हैं जो अनबाउंडेड विक्षोभों को संभालता है और आवश्यक सीमा डेटा को कम करता है, जो लीनियराइज्ड कैलडेरॉन समस्या के संख्यात्मक समाधान की दिशा में एक महत्वपूर्ण कदम है।