物理引导神经网络校正提升浑浊介质光子传输解析精度

研究者提出一种物理引导残差学习框架，将扩散近似（DA）的解析预测作为物理先验，让网络只学习其与蒙特卡洛（MC）参考之间的残差。在评估的光学参数范围内，该方法将标量反射率 RMSE 和空间分辨反射率 RMSLE 分别较 DA 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%。