역문제(逆問題, Inverse Problem)는 관측된 결과나 데이터로부터 그 원인이 된 물리적 파라미터, 모델 구조, 또는 초기/경계 조건 등을 유추하는 수학적·과학적 문제를 말한다. 정문제(Forward Problem, 또는 Direct Problem)가 원인(모델 파라미터 등)을 알고 결과를 예측하는 과정이라면, 역문제는 그 반대 방향인 결과에서 원인을 추정하는 과정이다.
1. 정의와 대조
- 정문제 (Forward Problem): 모델 파라미터 $m$과 입력 $u$가 주어졌을 때, 지배 방정식(미분 방정식, 적분 방정식 등)을 풀어 관측 데이터 $d$를 계산하는 과정 ($d = F(m)$). 일반적으로 해의 존재성, 유일성, 안정성이 보장되는 '올바르게 정해진 문제(Well-posed problem)'인 경우가 많다.
- 역문제 (Inverse Problem): 관측 데이터 $d$가 주어졌을 때, 모델 파라미터 $m$을 찾는 과정 ($m = F^{-1}(d)$). 데이터에 노이즈가 포함되어 있거나 관측이 불완전한 경우가 많아, 해가 존재하지 않거나(존재성 결여), 유일하지 않거나(유일성 결여), 데이터의 미세한 변화에 해가 민감하게 변하는(안정성 결여) '올바르게 정해지지 않은 문제(Ill-posed problem, Hadamard의 의미)'인 경우가 일반적이다.
2. 주요 특징과 난제
- 비유일성 (Non-uniqueness): 서로 다른 모델 파라미터가 동일한 관측 데이터를 생성할 수 있다. (예: 서로 다른 지하 구조가 동일한 중력 이상치를 보이는 경우)
- 불안정성 (Instability): 관측 데이터에 포함된 미세한 노이즈나 오차가 추정된 모델 파라미터에 큰 오류로 증폭되어 나타난다.
- 해결을 위한 정규화 (Regularization): 불안정성을 완화하고 물리적으로 의미 있는 해를 얻기 위해 추가적인 제약 조건이나 사전 정보(Prior information)를 부여하는 기법이 필수적이다. 대표적으로 티호노프 정규화(Tikhonov Regularization), 잘린 특이값 분해(TSVD), 베이즈 추론(Bayesian Inference) 기반 접근 등이 사용된다.
3. 주요 응용 분야
- 지구물리학/탐사: 지진파 탐사(Seismic Tomography), 중력/자기 탐사, 전기 비저항 탐사 등을 통한 지하 구조 영상화.
- 의료 영상: X-선 컴퓨터 단층촬영(CT), 자기공명영상(MRI), 양전자 방출 단층촬영(PET), 광학 단층촬영(OCT) 등 체내 내부 구조 복원.
- 비파괴 검사: 초음파, 와전류, X-선 등을 이용한 재료 내부 결함(균열, 공동) 위치 및 크기 추정.
- 원격 탐사/대기 과학: 위성 관측 자료로부터 대기 온도 프로파일, 에어로졸 농도, 지표면 온도 등 대기 상태 변수 반전(Retrieval).
- 음향학/진동공학: 소음원 식별, 음장 재구성, 구조물 손상 탐지.
- 기계학습/데이터 과학: 모델 파라미터 학습(Supervised Learning) 자체를 넓은 의미의 역문제 풀이로 해석하며, 물리 정보 신경망(PINN) 등은 지배 방정식을 손실 함수에 포함하여 역문제를 풀기도 한다.
4. 수학적 접근법
- 결정론적 접근 (Deterministic): 목적 함수(데이터 적합도 + 정규화 항)를 최소화하는 최적화 문제로 정의하여 해를 구함. (가우스-뉴턴 법, 켤레 기울기 법 등)
- 확률론적 접근 (Probabilistic/Bayesian): 모델 파라미터를 확률 변수로 간주하고, 베이지안 정리를 통해 사후 확률 분포(Posterior Distribution)를 추정. 마르코프 연쇄 몬테카를로(MCMC) 등을 통해 불확실성 정량화(Uncertainty Quantification)가 가능함.
5. 역사적 배경 정문제에 비해 역문제의 이론적 체계화는 20세기 중반 이후 앤드레이 티호노프(Andrey Tikhonov)의 정규화 이론 정립(1940~60년대) 등을 계기로 본격화되었다. 초기에는 지구물리학(지진파), 천문학, 양자산란 이론 등에서 개별적으로 다루어졌으나, 계산 과학과 컴퓨터 성능의 발달로 현대 과학기술 전반의 핵심 방법론으로 자리 잡았다.
