1 逆問題の基本概念
逆問題は、観測された結果から、その背後にある未知の原因や条件を推定する枠組みである。ここでいう未知量には、モデルのパラメータ、入力信号、境界条件、初期値などが含まれる。数学、工学、物理、医用画像、信号解析などで広く扱われ、直接観測できない対象を間接的に復元する点に特徴がある。
1.1 順問題との対比
順問題では、既知の条件を与えて出力を予測する。一方、逆問題では出力側のデータから条件を推定するため、情報の流れが逆向きになる。前者はモデルの前向き計算で済むことが多いが、後者では同じ観測を生む複数の原因がありうるため、解釈と推定が難しくなる。
1.2 逆問題の一般的な定式化
多くの逆問題は、ある作用素または写像によって未知量を観測量へ変換するモデルとして表される。観測値は通常、理想的な出力に誤差や雑音が加わったものとして扱われる。したがって、推定では「未知量を復元すること」と「観測誤差に耐えること」の両立が重要になる。
1.2.1 直接写像と未知パラメータ
一般には、未知パラメータを \(x\)、観測データを \(y\)、前向きモデルを \(F\) として、\(y = F(x)\) あるいは \(y = F(x) + \varepsilon\) の形で書かれる。ここで \(F\) は線形とは限らず、非線形問題では局所的な近似や反復計算が必要になる。未知量が高次元になるほど、復元の難度は増す。
1.2.2 観測データと誤差モデル
実際の観測には、測定誤差、雑音、離散化誤差、モデルの簡略化によるずれが含まれる。誤差モデルは、推定法の設計や信頼区間の評価に直結する。統計的には、誤差を確率変数として記述し、最尤推定やベイズ推定へつなげることも多い。
1.3 逆問題における基本要件
逆問題の解法は、単に値を計算できるだけでは不十分である。数学的に意味のある推定とみなすには、一意に定まり、実際に存在し、入力の小さな変化に対して大きく崩れないことが望ましい。
1.3.1 一意性
一意性は、与えられた観測に対応する解がただ1つに定まる性質である。これが失われると、異なる原因が同じデータを生みうるため、推定結果に曖昧さが残る。実務では、追加の先験情報や制約条件で候補を絞ることがある。
1.3.2 存在性
存在性は、観測に整合する解が少なくとも1つあることを意味する。観測誤差やモデル不一致が大きい場合、厳密解が存在しないこともある。その場合は、近似解や最適化問題としての解釈が用いられる。
1.3.3 安定性
安定性は、データの微小な変化が解に対して過大な変動を引き起こさない性質である。逆問題ではこの条件が特に重要で、安定性を欠くと観測ノイズが復元結果に強く増幅される。正則化は、この弱点を補う代表的手段である。
2 不適切性とその数学的含意
逆問題の多くは、適切性の3条件を満たさない。特に安定性の欠如は、理論と計算の両面で深刻な影響を及ぼす。不適切性は、問題が本質的に解きにくいことを示すだけでなく、数値計算の際に解の信頼性を損なう要因にもなる。
2.1 不適切性（well-posedでない状況）
不適切性とは、解の存在、一意性、安定性のいずれかが破れる状態を指す。逆問題では、理想的な条件のもとでしか成立しない定式化が多く、実際のデータ解析ではこの性質がむしろ一般的である。したがって、問題設定そのものを再構成する発想が必要になる。
2.1.1 データ誤差の増幅
入力データに含まれるわずかなノイズが、推定結果に大きな揺らぎを与えることがある。特に逆写像が不安定な場合、観測の精度が高くても復元精度は十分に上がらない。これが、単純な逆演算が実用上うまくいかない主因である。
2.1.2 解が存在しない場合
観測値が理想モデルの像に入っていないと、厳密に一致する解は存在しない。これは、測定誤差、離散化、未知の外乱が原因となる。実際の解析では、最小二乗的な意味で最も近い解や、近似的に整合する解を探す。
2.1.3 解が一意でない場合
観測が同じでも、複数の未知量がそれを説明できることがある。このような場合、データだけでは識別が不十分であり、追加情報が不可欠になる。例えば、滑らかさ、非負性、疎性といった仮定が、候補解の選別に役立つ。
2.2 典型的な要因と構造
不適切性は偶然ではなく、問題の構造に由来することが多い。作用素の性質、観測の粗さ、未知量の自由度、近似の精度などが相互に影響し、解像力を制限する。
2.2.1 低周波成分の支配と情報不足
観測過程が低周波成分を主に通すと、細部情報が失われやすい。すると、高周波の特徴や局所的な変化は復元しにくくなる。画像再構成などでは、ぼやけや輪郭の喪失として現れる。
2.2.2 取りうる解の空間の広さ
未知量の候補集合が広すぎると、データだけでは絞り込みが困難になる。特に高次元問題では、観測数に比べて自由度が大きく、過剰に多くの解が整合してしまう。制約条件の導入は、この自由度を抑える役割を持つ。
2.2.3 近似誤差とモデル化誤差
理論モデルが現象を完全には表せない場合、推定結果は真の原因からずれる。格子の粗さや数値離散化による誤差も、実質的にはモデル化誤差の一種である。こうしたずれを無視すると、安定に見える解でも実際の妥当性は低下する。
3 正則化による安定化
正則化は、不適切な逆問題に追加条件を与え、解を安定化させる考え方である。観測データに忠実であることと、解として自然な性質を持つことの折り合いを取るために用いられる。多くの場合、無数の候補から望ましい解を選ぶための規範として働く。
3.1 正則化の目的
主目的は、ノイズに敏感すぎる推定を抑え、計算可能で意味のある解を得ることにある。加えて、先験的な知識を反映させ、過剰適合を防ぐ効果もある。結果として、復元の再現性や解釈可能性が向上する。
3.2 Tikhonov正則化
Tikhonov正則化は、逆問題で最も広く知られた手法の一つで、残差項に加えて未知量の大きさや滑らかさを抑える項を加える。線形問題では解析的な性質が比較的扱いやすく、非線形問題でも基本的な設計思想として応用される。
3.2.1 正則化項の役割（滑らかさ等）
正則化項は、解が極端に振動したり不自然に大きくなったりするのを防ぐ。滑らかさを促す項、エネルギーを抑える項、差分の総和を制御する項などがある。どの性質を優先するかは、対象現象の特性に依存する。
3.2.2 正則化パラメータの選択
正則化の強さを決めるパラメータは、解の忠実性と安定性の間の調整弁となる。小さすぎるとノイズを拾いやすく、大きすぎると解が過度に平滑化される。実際には、交差検証、L字曲線、残差基準などが用いられる。
3.2.3 解の計算手法の概観
計算には、連立方程式の直接解法、勾配法、共役勾配法、反復最適化などが使われる。規模が大きい問題では、メモリ使用量と計算時間を抑える工夫が重要になる。前処理や低ランク近似も有効である。
3.3 反復法と停止規準
反復法では、初期値から少しずつ解を改善する。逆問題では、反復を続けるほど見かけ上の残差は減るが、やりすぎるとノイズまで再現してしまうことがある。そのため、どこで止めるかが結果の質を左右する。
3.3.1 早期打ち切り（停止）
早期打ち切りは、反復を途中で止めて過学習を避ける方法である。反復法そのものが正則化として機能する場合もあり、停止時点が実質的な正則化の強さを決める。これは大規模計算で特に重要である。
3.3.2 残差と規範のバランス
残差が小さくても、解の規範が大きすぎれば望ましい推定とは言えない。そこで、データ適合度と解の滑らかさや単純さの両方を考慮する。バランスの取り方によって、復元の鮮明さと安定性が変わる。
3.4 その他の代表的手法
正則化には多様な流儀があり、対象や目的に応じて使い分けられる。線形・非線形、連続・離散、決定論的・確率論的な立場で、それぞれ特徴が異なる。
3.4.1 スパース性を用いる手法
少数の非零成分で表現できるという仮定を利用する方法である。信号の圧縮表現や特徴抽出と相性がよく、不要な成分を抑えて解釈しやすい結果を与える。L1正則化が代表例である。
3.4.2 ベイズ的正則化
未知量に事前分布を置き、観測データと合わせて事後分布を推定する考え方である。正則化項は、しばしば事前分布の対数と対応する。確率的不確実性を扱える点が利点である。
3.4.3 エッジ保存型の考え方
画像や場の復元では、境界や輪郭を保ちながら平滑化する手法が重視される。単純な平滑化は細部をぼかしやすいため、急激な変化を残す設計が導入される。これにより、構造の視認性が向上する。
4 応用と評価
逆問題は理論研究にとどまらず、実際の計測や再構成で不可欠な役割を果たす。応用分野では、理想化された数学問題よりも、雑音、欠損、計算資源の制約が前面に出る。したがって、解法の良し悪しは性能評価と密接に結びつく。
4.1 医療画像（再構成）
医療画像では、体内構造を非侵襲的に推定するために逆問題が中核となる。限られた投影データや測定信号から画像を再構成するため、ノイズ耐性と空間分解能の両立が重要である。
4.1.1 画像再構成の基本モデル
観測は、真の画像に対するぼかし、投影、サンプリング、雑音付加として表されることが多い。これを逆にたどって元画像を求めるが、欠損情報の補完が必要になる。多くの再構成法は、この不足を正則化で補う。
4.1.2 ノイズと解像度のトレードオフ
ノイズ抑制を強めると画像は滑らかになるが、細かな構造が失われやすい。逆に高解像度を追求すると、ざらつきや偽像が増えることがある。適切な折衷点を見つけることが、臨床的有用性に直結する。
4.2 信号処理・通信
信号処理では、伝送路や装置を通過した後の信号から元の波形を推定する。通信では、チャネルの影響を補正し、送信情報を復元することが中心課題となる。逆フィルタリングやシステム同定がその典型である。
4.2.1 系の同定と推定
観測入力と出力の関係から、システムの特性を推定する問題である。インパルス応答や伝達関数の推定が代表例で、装置の性質を明らかにするうえで重要である。未知要素が多いほど、十分な励起や観測設計が必要になる。
4.2.2 逆フィルタと安定化
逆フィルタは、系による歪みを打ち消すために用いられるが、そのままではノイズを増幅しやすい。そこで、帯域制限や正則化を加えて安定化する。実用上は、完全な逆変換よりも近似的補償が選ばれることが多い。
4.3 物理計測・工学推定
物理実験や工学分野では、直接測れない量を観測から推定する場面が多い。材料特性、流体の状態、熱伝導のパラメータなどが対象になり、モデルと測定の整合が重視される。
4.3.1 パラメータ同定
観測データに合うように、物理モデルの係数を推定する作業である。未知数が少数でも、非線形性や相関の強さにより不安定になることがある。十分なデータ設計と誤差評価が不可欠である。
4.3.2 境界条件推定
領域の端で与えられる条件が直接測れない場合、その値や型を逆に求める。これは熱、弾性、流体などで現れる。内部観測から境界を推測するため、情報が限られ、正則化の重要性が高い。
4.4 妥当性評価
逆問題の結果は、計算できたかどうかだけでは判断できない。観測との一致、未知量の自然さ、別データへの適合性を総合して評価する必要がある。評価手順が不十分だと、見かけの成功が実用上の失敗につながる。
4.4.1 誤差評価と検証
既知の基準解がある場合は、再構成誤差を直接測定できる。実データでは基準がないため、合成データ試験や外部検証が使われる。これにより、手法の限界と適用範囲を把握できる。
4.4.2 残差解析
残差は、モデル出力と観測の差を示す重要な指標である。残差の分布や構造を調べると、モデル不一致や未考慮の要因を見つけやすい。単に小さいだけでなく、偏りがないかも重要である。
4.4.3 予測性能と頑健性
良い逆問題解法は、未使用データや条件の変化に対しても安定した性能を保つ。頑健性が高いほど、ノイズや外乱に対する耐性が強いとみなせる。実装上は、再現性、計算効率、パラメータ感度も評価対象になる。