Core Concepts
Bayesian 推論と数値シミュレーションを組み合わせた手法を用いて、部分的な観測データから物理量の詳細な再構築を行う。
Abstract
本論文では、逆問題を解決するための新しいデータ駆動型の Bayesian アルゴリズムを提案している。このアルゴリズムは、不確定な境界条件を持つ問題に特に適しており、部分的なデータから物理量の詳細な再構築を行うことができる。
アルゴリズムの主な特徴は以下の通り:
事前分布、尤度関数、事後分布を定義し、最大事後確率問題を数値最適化手法で解く
クラスタリングを用いて、データが疎な場合でも頑健な推定を行う
任意の領域や幾何学形状に適用可能
高次元パラメータ空間に対応可能
物理法則を組み込むことで、データ駆動型アプローチと物理モデルの強みを活かす
提案手法を磁場再構築の問題に適用し、合成データを用いた数値実験により、その有効性を示している。特に、データが疎な場合でも、真の値に近い推定結果が得られることを確認した。
Stats
磁場の x 成分の境界条件は平均 10、標準偏差 0.5 の正規分布に従う
データの疎さは75%から99%の範囲で変化