La tâche de déterminer des paramètres inconnus du modèle, des entrées ou la structure du système à partir d'observations ou de mesures en inversant un modèle direct ; il s'agit typiquement d'un problème mal conditionné ou mal posé nécessitant régularisation et quantification de l'incertitude.

Principe

Un problème inverse inverse un opérateur direct qui mappe les paramètres aux observables ; comme cet opérateur peut être non injectif, non surjectif ou sensible au bruit, la récupération stable repose sur des informations supplémentaires (régularisation, lois a priori, contraintes) et sur l'étude de la non-unicité et de la sensibilité.

Démonstration

La reconstruction tomographique récupère la densité interne à partir d'intégrales de ligne d'atténuation ; l'inversion sismique infère les profils de vitesse du sous-sol à partir d'enregistrements d'ondes ; l'estimation d'une constante de réaction à partir de séries temporelles de concentrations en est un autre exemple.

Mauvaise application

Traiter le problème inverse comme une simple optimisation sans vérifier l'identifiabilité ou quantifier l'incertitude — par exemple, publier une unique valeur de paramètres optimaux à partir de données bruitées et peu informatives sans régularisation ni intervalle de confiance.

Conséquence

Une bonne formulation conduit à des estimations de paramètres stables et interprétables avec des marges d'incertitude et des diagnostics d'identifiabilité ; elle guide la conception d'expériences pour lever les ambiguïtés et offre des compromis rigoureux entre ajustement des données et force de la régularisation/prior.

Inversion

Le problème direct : données les paramètres et les entrées, calculer les sorties attendues de manière déterministe. Contrairement au problème inverse, l'application directe est en général bien posée et stable à calculer mais pas inversible sans information supplémentaire.

Limite

Couvre les problèmes de récupération de paramètres ou d'entrées à partir de mesures lorsqu'un modèle direct existe ; exclut les simulations prédictives pures, la régression purement data-driven sans opérateur direct explicite et les problèmes mal définis ne disposant d'aucune carte mesure-modèle.

Tension sémantique

Souvent confondu avec l'estimation de paramètres ou l'identification de systèmes ; la perspective du problème inverse met l'accent sur l'inversion d'opérateur, le caractère mal posé et la nécessité de régularisation, tandis que l'estimation statistique peut se concentrer sur la vraisemblance et les estimateurs ponctuels sans traiter la non-unicité.

Synthèse

Un problème inverse est la reconstruction d'inconnues à partir d'observations par inversion d'un modèle direct ; comme l'inversion est souvent instable ou non unique, elle requiert régularisation, quantification de l'incertitude et examen attentif de l'identifiabilité.