AIが解く世界の難問 · 物理学 · arXiv · 2026-10-20
条件付き拡散モデルによる電気インピーダンストモグラフィーのデータ補完
原題: Data Completion for Electrical Impedance Tomography by Conditional Diffusion Models
電気インピーダンストモグラフィー(EIT)では、欠損の多いDtN測定が電気伝導率の再構成を大きく劣化させるため、データ不足が根本的な障壁となっている。この研究では、条件付き拡散モデルを訓練してDtNデータの分布を学習し、部分的な観測から完全な測定ベクトルを推論する補完手法を提案し、既製のEITソルバーに差し込んで使える前処理ステップとして利用できるようにした。数値実験では、深層学習ベースの逆ソルバーと組み合わせることで、測定値のわずか1%で完全データの場合に匹敵する再構成を達成し、同程度の品質に30%の測定を必要とする行列補完などの標準的なベースラインを大きく上回った。