비선형 PDE 역문제에 대한 변분 추론의 일관성

초록

본 논문은 비선형 편미분방정식(PDE) 역문제에 변분 베이지안 추론을 적용한 이론적 수렴 속도를 제시한다. 기존의 “prior mass and testing” 기법을 변형하여 약간 불안정한(ill‑posed) 문제를 크게 세 종류(약간, 심하게, 파라미터 미지)로 구분하고, 잘 알려진 트렁케이트 가우시안 및 평균‑필드 변분 집합에 대해 실제 사후분포와 변분 근사의 두 항으로 수렴 속도를 분해한다. 결과적으로 변분 근사 오차는 실제 사후분포의 수렴 속도보다 작아 전체 수렴률을 지배한다는 것을 보이며, Darcy 흐름, 서브디퓨전 역전위, 매질 산란 등 구체적 사례에 대해 최소극대(minimax) 최적성을 확인한다.

상세 분석

이 연구는 비선형 PDE 기반 역문제에서 변분 베이지안 추론(Variational Bayesian Inference, VBI)의 일관성을 정량적으로 검증한다는 점에서 의미가 크다. 기존 베이지안 역문제 이론은 주로 선형 연산자와 가우시안 과정(prior) 하에서 사후분포의 수축(contraction) 속도를 분석했으며, 변분 근사는 주로 경험적 효율성에 초점을 맞추었다. 저자들은 “prior mass and testing” 프레임워크를 변형해, 사전 질량(prior mass)와 검정(testing) 함수의 존재를 가정함으로써, 비선형 전방 사상 G가 만족해야 할 정규성 및 조건부 안정성(conditional stability) 조건을 명시한다. 특히, G가 폴리노미얼 성장 조건을 만족하고, 불안정도(ill‑posedness)의 정도에 따라 약간(mild), 심하게(severe) 구분한다.

변분 집합 Q는 두 가지 전형적인 형태를 다룬다. 첫째는 차원 제한(truncation)된 가우시안 측도이며, 이는 사전 공간의 고차원 성분을 제한해 계산량을 줄이면서도 충분히 풍부한 표현력을 유지한다. 둘째는 평균‑필드(mean‑field) 패밀리로, 각 파라미터를 독립적인 가우시안으로 근사함으로써 KL 발산을 최소화한다. 두 경우 모두 변분 근사 오차는 KL 발산을 기준으로 ε_N^2와 비교했을 때 로그 항 이하로 억제된다. 즉, 변분 근사 오차는 실제 사후분포의 수축 속도 ε_N^2에 비해 차원이 낮아 전체 수렴률을 저해하지 않는다.

수학적으로는
\