Full cross-correlation inversion for quantitative passive imaging with time-harmonic acoustic waves

あなたは、霧に包まれた謎めいた部屋がどのような姿をしているのかを突き止めようとしていると想像してください。しかし、明かりを灯すことも、壁にボールを投げつけてエコーを聞くことも禁止されています。その代わりに、あなたは部屋自体が発するランダムで混沌としたハム音——床板のきしみ、裂け目から吹き抜ける風の音、遠くの交通騒音——に耳を澄ませなければなりません。これが**パッシブ・イメージング（受動的イメージング）**の世界です。

何十年もの間、科学者たちは、これらのランダムな「背景ノイズ」を利用して、地球の地殻や太陽の内部といったものの内部をマッピングしようと試みてきました。一般的な手法の一つは、2つのマイクロフォンを取り、ノイズを記録し、それらの信号を混ぜ合わせる（相互相関と呼ばれるプロセス）ことで、明確なパターンが現れるかどうかを確認することでした。通常、人々は、長い時間を待てば、このランダムなノイズが魔法のように単純化され、特定の地点から送られてくる波と全く同じに見える、整然とした予測可能な信号へと変化すると仮定してきました。

しかし、ここにひねりがあります： この論文は、その「魔法のような単純化」はしばしば嘘であると主張しています。著者であるジャン・デュティールとフロリアン・フォーシェは、現実世界の多くの状況において、その整然とした単純化は成立しないと述べています。ノイズを単純なものとして扱うのではなく、彼らは、ノイズをありのままの姿、つまりランダムで無相関なソースから来る波の複雑な重ね合わせとして扱う、非常にスマートで複雑なコンピュータモデルを構築しました。

ビッグアイデア：混沌に耳を澄ます

チームは、**フル・クロス相関波形反転（FCCWI）**と呼ばれる手法を開発しました。これは次のように考えることができます。

• 従来の方法（アクティブ・イメージング）： あなたは懐中電灯（制御された光源）を持っています。壁に光を当てると、影が見えます。簡単です。
• 新しい方法（パッシブ・イメージング）： あなたは暗闇の中にいます。光を当てることはできません。ただ、部屋中にランダムに囁き声が響いているだけです。
• この論文の革新： 多くの人が行っているように、単に「誰かの囁き声がもう一方の人に伝わるまでの時間」を聞くのではなく、この手法は、すべての囁き声を混ぜ合わせた結果として生じる音波の形状全体を聞き取ります。

著者らは、これらの混合信号の期待値（実験を100万回繰り返した場合に見られる平均的なパターン）を数学的にモデリングすることで、制御された懐中電灯を一度も使うことなく、媒体の物理的特性、具体的には波の速度と密度を再構成できることを見出しました。

「二段階の」ダンス

これを実現するために、著者らはトリッキーな数学の問題を解かなければなりませんでした。標準的なイメージングでは、何がうまくいかなかったかを理解するために、音の「逆再生ムービー」を一度実行するだけで済みます。しかし、彼らが扱っているのはランダムなノ相関であるため、二つの逆再生ムービー（随伴状態と呼ばれます）を同時に実行する必要がありました。

ヘッドホンの絡まったコードを解こうとしている場面を想像してください。通常、あなたは片方の端を引くだけです。しかしここでは、結び目が非常に複雑であるため、両方の端を同時に、非常に特定のダンスを踊るように引かなければ、どこで絡まっているのかが見えてこないのです。論文は、ノイズの発生源がランダムで無相関である場合、正しい答えを得るためには、この二段階のダンスが必要であることを証明しています。

シミュレーションが示したこと

チームはただ議論しただけでなく、大規模なコンピュータ・シミュレーションを実行してテストを行いました。その結果は以下の通りです。

1. 概ね機能する： ブロックの中に隠された正方形と円盤を用いた2Dテストにおいて、彼らの手法（FCCWI）は、従来の「懐中電灯」方式（FWI）とほぼ同等の精度で、形状を見事に特定しました。
2. 「未知」の要因： 最大の障害は、ノイズが正確にどこから来ているのか、あるいはどの程度の大きさなのか（ソース共分散）が不明であることです。
   • 波の速度（音が伝わる速さ）をマッピングしようとしたとき、ノイズ源を完全に把握していなくても、この手法はうまく機能しました。
   • しかし、ソース共分散そのもの（ノイズの「音量マップ」）をマッピングしようとすると、結果は不安定になりました。シミュレーションによれば、彼らが用いた標準的な数学（$l_2$ノルム）は、タイミング（位相）の測定には優れていますが、音量（振幅）の測定にはあまり適していないことが示されました。
3. 3Dの挑戦： 彼らは、高コントラストの物体（非常に異なる速度を持つ岩石など）を含む3Dの世界へとこの手法を押し進めました。手法は、空白の一次元的な推測から始めても、隠れた岩石を見事に特定しました。
   • 難点： 計算コストがかかりました。シミュレーションにおいて、新しい手法は1イテレーションあたり約4分かかったのに対し、従来のメソッドはわずか1分でした。数学的な負荷が重いため、コンピュータの計算時間は4倍に増大しました。

明確に否定していること

この論文は、何をしてはいけないかについても非常に明確です。彼らは、クロス相関を常に「グリーン関数の虚数部」（簡単に言えば「整然とした単純な信号」）へと単純化できるという考えを明確に拒絶しています。彼らは、この「便利なソース」という仮定は現実のアプリケーションではしばしば誤っており、悪い結果を招くと主張しています。また、単に伝播時間（トラベルタイム）を使用すればよいという考えも否定しており、**全波形（フル・ウェーブフィールド）**を使用しなければならないと強調しています。

どの程度確信しているのか？

著者らは自身の数学的根拠とシミュレーションに自信を持っていますが、現実世界の問題を「解決した」と主張することには慎重です。

• 証明済み： 二段階の随伴状態法による数学的導出は堅実です。
• シミュレーションに基づく： すべての結果（2Dおよび3Dの画像）は、コンピュータ生成されたノイズ（合成データ）に基づくものであり、地球や太陽からの実際の録音データではありません。
• 提案事項： 彼らは、二段階のプロセスが最適である可能性を示唆しています。まず、より容易な「波の速度」を特定し、その後に「ソースノイズ」を特定しようとする方法です。彼らは、ソースノイズ自体の再構成は依然として「より困難」であり、新しい戦略が必要であると認めています。

結論

この論文は、暗闇の中で「見る」ための新しい方法の設計図です。ランダムなノイズを単純化しようとするのではなく、その完全な複雑さを受け入れることで、物体の内部の正確なマップを作成できることを示しています。それは、プロセスを一瞬で終わらせたり、容易にしたりする魔法の杖ではありません（実際、コンピュータ上では4倍の時間がかかります）。しかし、重厚な数学的作業を行う用意さえあれば、背景のハム音だけで、対象の量的で詳細な姿を描き出せることを証明しています。

著者らは現在、このシミュレーションの魔法が、現実の混沌とした世界（太陽や地球の振動など）でも通用するかどうかを確かめるべく、実データを用いたテストを進めています。