物理引导残差学习框架校正浑浊介质光子传输

Guojun Tang、Paul D. Teal 与 Alexander Doronin 提出一种物理引导残差学习框架，用扩散近似（DA）的解析预测作为物理先验，让神经网络只学习该预测与 Monte Carlo 模拟参考之间的残差，以校正浑浊介质中光子传输的解析预测。 在评估的光学参数范围内，该框架将标量反射率 RMSE 和空间分辨反射率 RMSLE 分别较扩散近似降低约 62 倍和 14 倍；仅用 1% 的训练数据，其对应误差就比直接神经网络代理模型低约 87% 和 93%。上述结果限于所评估的光学参数范围。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。