풍동 3D 밀도 추정을 위한 모델 기반 반복 재구성

본 논문은 풍동 실험에서 난류에 의해 발생하는 3차원 밀도 변화를 비침습적으로 측정하고 복원하는 새로운 방법론을 제시한다. 서론에서는 기존 풍동 영상 기법이 3D 밀도 측정에 한계가 있음을 지적하고, 파면 단층촬영(wavefront tomography)이 다중 시점에서 측정된 파면 정보를 이용해 3D 굴절률(즉, 밀도)장을 복원할 수 있는 잠재력을 가지고 있음을 설명한다. 그러나 풍동 내부의 물리적 제약으로 인해 시야(FOV)가 제한되고, 투시각(view)의 수와 각도 범위가 적으며, 측정된 파면 데이터는 tip‑tilt‑piston(TTP) 성분이 제거된 OPD 형태이기 때문에 전통적인 X‑ray CT와는 다른 어려움이 존재한다. 이러한 문제를 해결하기 위해 저자들은 파면 단층촬영을 평행빔 투시 모델로 수학화한다. 연속적인 굴절률 n(r)와 밀도 ρ(r) 사이의 관계는 Gladstone‑Dale 방정식 ρ = (n‑1)K_GD 로 연결되며, 이후 ρ 대신 n을 복원 대상으로 삼는다. 파면 측정은 각 광선 γ_j에 대해 OPL = ∫_γ_j n(r) dr 로 정의되고, 이를 이산화하면 y = Ax + W 형태의 선형 시스템이 된다. 여기서 A는 모든 투시각에 대한 평행빔 전방 연산자, x는 N개의 voxel으로 구성된 굴절률 벡터, W는 가우시안 잡음이다. 복원은 베이즈 MAP 추정으로 설정한다. 데이터 적합 항 f(x; y) = (1/2σ_y²)‖y‑Ax‖²_Λ 로 정의하고, 사전 항 h(x)는 일반화 가우시안 마코프 랜덤 필드(GGMRF)를 채택한다. GGMRF는 인접 voxel 간 차이를 제어하는 펑크션으로, 매끄러운 물리적 특성을 반영하면서 정규화 파라미터(p, q, T) 등을 통해 강도와 비선형성을 조절한다. 최적화는 기존 MBIR‑JAX 패키지의 좌표 하강법을 이용해 구현되며, 이는 대규모 3D 볼륨에도 효율적으로 적용 가능하도록 설계되었다. 실제 실험에서 측정되는 OPD는 평균(piston)과 선형 기울기(tip‑tilt)가 제거된 형태이며, 이는 전방 모델과의 불일치를 야기한다. 논문은 OPD_TT = OPL – (au + bv + c) 로 표현하고, 이를 모델에 그대로 입력함으로써 발생하는 오류를 정량화한다. 시뮬레이션 결과, OPD_TT와 OPL 간 차이는 주로 저차 Zernike 모드(2차 이하)에 집중되어 있어, 고차 구조 복원에는 큰 영향을 주지 않는다. 시뮬레이션은 Kolmogorov‑형 위상 전력 스펙트럼(PSD)을 기반으로 3차원 위상 볼륨을 생성한다. 수정된 von Kármán PSD를 사용해 내부·외부 스케일 파라미터를 조절함으로써 현실적인 난류 구조를 재현한다. 생성된 볼륨에 대해 다양한 실험 시나리오를 설정했는데, (1) 투시각 수가 적은 희소‑뷰, (2) 투시각당 FOV가 물체보다 작음, (3) 전체 각도 범위가 90° 미만인 제한‑각도 상황, (4) TTP가 제거된 OPD 입력 등이다. 각 경우에 대해 MBIR과 기존의 스케일‑보정된 필터드 백프로젝션(FBP)을 비교하였다. 결과는 다음과 같다. MBIR은 모든 시나리오에서 평균 상대 오차를 10%~25% 수준으로 유지했으며, 특히 FOV가 작고 각도 범위가 제한된 경우에도 복원 품질이 크게 저하되지 않았다. 반면 FBP는 동일 조건에서 고주파 잡음과 아티팩트가 심하게 나타나며, 구조적 세부 정보를 거의 복원하지 못했다. 또한, TTP가 제거된 OPD를 사용했을 때와 이상적인 OPL을 사용했을 때의 오차 차이는 전체 오차의 약 5% 정도에 불과했으며, 이는 주로 저차 Zernike 모드에 국한되었다. 논문의 주요 기여는 (i) 풍동 파면 단층촬영을 베이즈식 희소‑뷰 문제로 공식화, (ii) GGMRF 기반 강력한 사전 모델을 도입한 MBIR 프레임워크 구축, (iii) 실험적 제약인 TTP 제거와 제한된 시야·각도 조건에서도 높은 복원 정확도를 입증한 점이다. 한계점으로는 현재 시뮬레이션 기반 검증에 머물러 실제 풍동 실험 데이터에 대한 검증이 부족하다는 점, 그리고 비선형 광학 효과(다중 산란, 비평행 빔 등)를 모델에 포함하지 않았다는 점을 들 수 있다. 향후 연구 방향은 (1) 실제 풍동에서의 실험 데이터 수집 및 검증, (2) 비선형 전방 모델 및 다중 파장 데이터 통합, (3) 실시간 복원을 위한 GPU 가속 및 알고리즘 경량화, (4) 사전 모델을 데이터‑드리븐 방식(예: 딥러닝 기반 프라이어)으로 확장하는 것이 제시된다.