APEX: Amplitude Anchors and Phase Priors for Target-Scarce Higher-Frequency Wave Prediction

Technische Samenvatting: APEX

Probleemstelling
Leringsgebaseerde surrogaten, met name neurale operatoren, hebben effectiviteit aangetoond bij het voorspellen van golfvelden binnen waargenomen frequentieregimes. Het voorspellen van hogere-frequentiegolfvelden onder schaarse doelsupervisie blijft echter een aanzienlijke uitdaging. In vele fysieke domeinen (bijvoorbeeld elektromagnetisme, akoestiek) is hogere-frequentiedata aanzienlijk duurder om te simuleren of te meten vanwege de vereisten voor fijnere discretisatie en strengere numerieke controle. Bijgevolg beschikken practitioners vaak over overvloedige lagere-frequentiedata, maar slechts beperkte supervisie in het hogere-frequentiedoelregime.

Bestaande strategieën, zoals directe extrapolatie van lager naar hoger of fine-tuning van lage-frequentiemodellen op beperkte hoge-frequentiedata, falen vaak in sterk oscillerende regimes. Het artikel identificeert dat de kernmoeilijkheid niet louter een uniforme toename van de fout is, maar een inherente asymmetrie in kruis-frequentie overdraagbaarheid: terwijl grove amplitudestructuren relatief stabiel blijven over frequenties, verslechteren fase-gevoelige oscillerende structuren snel naarmate de frequentiekloof toeneemt.

Methodologie: APEX
Om deze asymmetrie aan te pakken, stellen de auteurs APEX voor (Amplitude-anchored and Phase-prior-guided Enhancement from eXtrapolated coarse predictions). Het raamwerk decomposeert de hogere-frequentievoorspellingsopdracht in twee distincte stadia:

1. Grove Amplitude Anker:
   Een neurale operator (specifiek een Fourier Neural Operator, FNO) wordt uitsluitend getraind op overvloedige lagere-frequentiedata en vervolgens bevroren. Wanneer deze wordt bevraagd bij een doelhogere frequentie, levert deze operator een grove voorspelling. Het raamwerk extrahert uitsluitend de log-amplitude van deze voorspelling en behandelt deze als een overdraagbare structurele anker. De fase-informatie uit deze extrapolatie wordt verworpen, aangezien deze in het hogere-frequentieregime als onbetrouwbaar wordt beschouwd.

2. Green's-Functie-Geïnspireerde Fase Prior:
   Om het ontbrekende oscillerende detail te herstellen, introduceert APEX een expliciete fase prior. Deze prior is een lichtgewicht, analytisch surrogaat gebaseerd op een geometrisch propagatiekader. Het benadert de geaccumuleerde fase langs dominante propagatiepaden met behulp van de formule:
   $$G_{prior}(r, r_s; e, \nu) = \sum_{m=1}^{M} a_m \exp(i \kappa_{ref}(e, \nu) L_m(r, r_s))$$
   waarbij $L_m$ de geometrische padlengte is, $\kappa_{ref}$ een domein-adaptieve referentiefasecoëfficiënt is, en $M$ het aantal behouden dominante paden vertegenwoordigt. Dit biedt een bron- en geometrie-bewust oscillerend steiger zonder te trachten het volledige complexe veld na te bootsen.

3. Conditionele Flow-Matching Versterker:
   Een generatief model gebaseerd op Conditionele Flow Matching (CFM) wordt ingezet om het doelhogere frequentieveld te reconstrueren. Het model wordt geconditioneerd op drie componenten:

   • De grove amplitude anker ($a_{coarse}$).
   • De sinus en cosinus van de fase prior ($\sin \phi_{base}, \cos \phi_{base}$).
   • Fourier-feature embeddings van de doelfrequentie.

   De versterker leert om een ruisverdeling af te beelden op het doelcomplexe veld (weergegeven als log-amplitude en sinus/cosinus fase) door een flow-matching verlies te minimaliseren, en herstelt aldus de hoge-frequentie oscillerende details die de grove anker en fase prior alleen niet volledig kunnen vangen.

Belangrijkste Bijdragen

• Identificatie van Transferasymmetrie: Het artikel demonstreert empirisch en theoretisch dat in complexe golfvelden de grove amplitudestructuur aanzienlijk meer overdraagbaar is over frequenties dan de fase-gevoelige oscillerende structuur. Dit wordt geformaliseerd via een regionale foutdecompositie die aantoont dat fasefouten kwadratisch schalen met de frequentie ($\nu^2$), terwijl amplitudefouten dit niet doen.
• Gedecomposeerd Raamwerk (APEX): Een nieuw architectuur dat de voorspellingsopdracht expliciet scheidt in het hergebruiken van overdraagbare grove structuur (amplitude) en het apart herstellen van ontbrekend oscillerend detail (fase) geleid door natuurkundig geïnspireerde priors.
• Prestaties onder Schaarste: De methode is specifiek ontworpen voor scenario's met schaarse doelfrequentie-supervisie en presteert beter dan directe extrapolatie, doel-geadapteerde operatoren en gezamenlijke generatieve baselines.

Experimentele Resultaten
APEX werd geëvalueerd op drie benchmarks: SimpleWave (een twee-pad golfsimulator), Helmholtz (heterogeen frequentiedomein golfvergelijking) en Maxwell (full-wave elektromagnetische simulaties). De evaluatie richtte zich op extrapolatie naar frequenties die 20%, 50% en 100% hoger zijn dan de maximale trainingsfrequentie.

• Kwantitatieve Prestaties: Over alle benchmarks behaalde APEX consistent de laagste relatieve complexe $H^1$-fout en de hoogste Amplitude-Gewogen Fase Coherentie (AWPC). Bijvoorbeeld, op de Helmholtz-benchmark bij HF100 (100% extrapolatie) behaalde APEX een $H^1$-fout van 0,634 en een AWPC van 0,815, wat significant beter is dan de beste baseline (FNO-Joint: $H^1$ 0,899, AWPC 0,737).
• Kwalitatieve Analyse: Visuele vergelijkingen tonen aan dat terwijl directe extrapolatie enige grove amplitude behoudt maar faalt in faseuitlijning, en gezamenlijke generatieve modellen plausibele maar niet-uitgelijnde structuren produceren, APEX succesvol zowel de amplitude-localisatie als de coherente fasepatronen van de ground truth herstelt.
• Ablatiestudies: Het verwijderen van ofwel de fase prior ofwel de grove anker resulteerde in aanzienlijke prestatiedegradatie, wat bevestigt dat beide componenten noodzakelijk en complementair zijn. De grove anker biedt globale organisatie, terwijl de fase prior fijne oscillerende herstel begeleidt.

Betekenis en Claims
Het artikel claimt dat betrouwbare hogere-frequentievoorspelling van oscillerende golfvelden niet moet vertrouwen op de directe end-to-end transfer van het volledige complexe veld. In plaats daarvan pleit het voor een strategie die expliciet overdraagbare grove structuur (amplitude) hergebruikt, terwijl het ontbrekende oscillerende detail apart wordt hersteld met behulp van natuurkundig geleide priors.

De auteurs positioneren APEX als een oplossing voor het probleem van "schaarse supervisie" in hogere-frequentiegolfmodellering, en bieden een manier om overvloedige lage-frequentiedata te benutten zonder uitgebreide hoge-frequentiedatasets voor training te vereisen. Het werk suggereert dat het begrijpen van de specifieke componenten van een veld die verslechteren onder frequentieverschuivingen cruciaal is voor het ontwerpen van generaliseerbare surrogaatmodellen.

Beperkingen
De auteurs erkennen dat de inferentiekost van APEX hoger is dan een enkele forward pass van een neurale operator vanwege de iteratieve bemonstering die vereist is door de flow-matching versterker. Bovendien is de fase prior een vereenvoudigde benadering die complexe multipad-effecten of sterke dispersie niet volledig modelleert, hoewel het dient als een effectief lichtgewicht steiger. De huidige implementatie gebruikt FNO als backbone, hoewel het concept van de amplitude-anker theoretisch backbone-agnostisch is.