Shape optimization for piecewise parameter identification in inverse diffusion problems with a single boundary measurement

Resumo Técnico: Otimização de Forma para Identificação de Parâmetros em Partes para Problemas de Difusão Inversa

Enunciado do Problema
Este estudo aborda o problema de difusão inversa de reconstrução de um coeficiente de absorção dependente do espaço ($\mu$) dentro de um domínio limitado $\Omega \subset \mathbb{R}^d$ ($d \in \{2, 3\}$). O modelo físico é governado pela equação de difusão em estado estacionário com uma condição de contorno de Robin, que modela a reflexão parcial de luz em fronteiras de tecidos na tomografia óptica difusa (DOT). O principal desafio reside na mal-posição do problema, especificamente a dificuldade de recuperar $\mu$ a partir de uma única medição de contorno ($u|_{\Sigma} = h$).

Os autores focam em uma estrutura geométrica específica onde o coeficiente de absorção é constante por partes, definido como $\mu = \mu_0 \chi_{\Omega \setminus \omega} + \mu_1 \chi_{\omega}$, onde $\omega$ é um subdomínio com uma fronteira de interface de suavidade por partes $\partial \omega$ desconhecida. Esta formulação desloca o problema de uma tarefa padrão de identificação de parâmetros para um problema de geometria inversa, onde tanto o valor do coeficiente quanto a forma da interface devem ser recuperados.

Metodologia
O artigo propõe uma abordagem baseada em otimização de forma que diverge dos métodos convencionais baseados em gradiente que dependem apenas da derivada de Fréchet em relação ao parâmetro. Em vez disso, o método utiliza a derivada Euleriana do funcional de custo em relação à interface de contorno desconhecida.

1. Estrutura Matemática:

   • O problema direto é formulado como um mapa de Robin-para-Dirichlet.
   • O problema inverso é formulado como a minimização de um funcional de mínimos quadrados regularizado: $J_\rho(\mu, \omega) = \frac{1}{2}\|u(\mu, \omega) - h\|^2_{L^2(\partial \Omega)} + R(\mu, \rho)$.
   • A regularização de Tikhonov é empregada para mitigar a mal-posição. Os autores também exploram um "princípio de equilíbrio" heurístico para selecionar o parâmetro de regularização $\rho$ sem conhecimento prévio dos níveis de ruído.

2. Análise de Sensibilidade de Forma:

   • A contribuição teórica central envolve a derivação da derivada Euleriana (gradiente de forma) do funcional de custo em relação ao subdomínio $\omega$.
   • Os autores computam rigorosamente esta derivada usando o método adjunto. Eles introduzem um estado adjunto $p$ que satisfaz um sistema de EDP específico.
   • Um resultado teórico fundamental (Teorema 3.6) fornece a expressão do gradiente de forma na interface $\partial \omega$ sem exigir a computação explícita da derivada Euleriana da variável de estado $u$. Esta derivação baseia-se em suposições de regularidade brandas (fronteiras Lipschitz) e utiliza a fórmula de diferenciação de contorno de Hadamard.

3. Algoritmo Numérico:

   • Um esquema de descida iterativo é desenvolvido dentro de um framework de elementos finitos.
   • O algoritmo atualiza simultaneamente tanto os valores do coeficiente de absorção quanto a geometria da interface de contorno.
   • Para garantir a estabilidade e suprimir oscilações durante a atualização da forma, o método emprega um esquema de descida de gradiente de Sobolev. Isso envolve resolver uma equação de Laplace do tipo vetor para gerar um campo de deformação suave $\theta$ a partir do gradiente de forma bruto.
   • O algoritmo lida com geometrias não convexas e complexas movendo os nós da malha com base no campo de deformação computado.

Principais Contribuições

• Reconstrução com Medição Única: O artigo demonstra que a reconstrução precisa do coeficiente de absorção e da sua interface de contorno é viável utilizando apenas uma única medição de contorno, um cenário onde métodos convencionais frequentemente falham ou exigem múltiplas entradas.
• Otimização de Forma para Difusão Inversa: Isto é apresentado como o primeiro estudo que aborda este problema específico de reconstrução sob a perspectiva da otimização de forma, tratando a interface como a variável primária para a recuperação.
• Derivação Rigorosa: Os autores fornecem uma derivação rigorosa do gradiente de forma para o funcional de mínimos quadrados, lidando explicitamente com as condições de salto através da interface e as condições de contorno de Robin.
• Lidando com Geometrias Não Suaves: O esquema numérico mostra-se eficaz para reconstruir fronteiras não convexas e interfaces com arestas afiadas (ex: quadrados, formas em T), apesar das suposições teóricas de regularidade exigirem fronteiras mais suaves.

Resultados
Experimentos numéricos foram conduzidos em 2D utilizando tanto dados exatos quanto ruidosos (ruído Gaussiano). Os testes incluíram:

• Problemas Radiais: Recuperação de interfaces circulares com variações de contraste de absorção.
• Geometrias Complexas: Reconstrução de interfaces não circulares e não convexas (ex: formas de amendoim, formas em T invertidas, quadrados).
• Variações de Fonte: Testes usando funções de fonte constantes, fontes pontuais (delta de Dirac) e múltiplas fontes próximas à fronteira.

Os resultados indicam:

• O método recupera com sucesso tanto a magnitude do coeficiente de absorção quanto a geometria da interface.
• A abordagem é robusta ao ruído, embora a precisão da reconstrução para regiões côncavas e vértices agudos degrade ligeiramente com altos níveis de ruído.
• A escolha do chute inicial e do parâmetro de regularização (especificamente o parâmetro de equilíbrio $\beta$) influencia significativamente a convergência e a precisão.
• O método funciona bem mesmo quando o termo de fonte viola suposições estritas de regularidade (ex: fontes pontuais), sugerindo aplicabilidade prática além das restrições teóricas.

Significância e Alegações
Os autores alegam que o método proposto oferece uma alternativa inovadora aos métodos convencionais ao evitar a necessidade de múltiplas medições ou entradas de contorno. Ao utilizar a otimização de forma e a derivada Euleriana, o método alcança uma delimitação precisa da interface de contorno, contrastando com métodos convencionais que frequentemente produzem fronteiras borradas ou difusas.

O artigo enfatiza que, embora o problema seja inerentemente mal-posto, a combinação de otimização de forma, regularização de Tikhonov e o princípio de equilíbrio fornece uma estratégia de reconstrução estável e eficaz. Os autores observam que o sucesso do método na reconstrução de fronteiras não convexas e não suaves destaca o seu potencial para problemas de reconstrução complexos envolvendo descontinuidades de salto, com potenciais aplicações que se estendem além da DOT padrão para a DOT de fluorescência e outras técnicas de imagem óptica. O estudo conclui que a abordagem é prática e eficaz, particularmente para cenários onde o coeficiente de absorção é constante por partes.