利用Bi-LSTM迁移学习从三维蒙特卡洛时间点扩散函数中高效提取光学参数
数值分析
2026-04-14 v1 数值分析
计算物理
摘要
时间分辨光谱学是一种用于非侵入性表征浑浊介质的强大模态。然而，从三维随机测量中提取光学参数（吸收系数和约化散射系数）对于实时应用而言计算成本仍然很高。在本文中，我们提出了一种数据高效、物理信息驱动的迁移学习策略，使用双向长短期记忆网络。通过利用快速确定性求解器建立物理先验，然后在有限的三维蒙特卡洛模拟数据集上进行微调，我们的模型成功弥合了解析域与随机域之间的差距。所提出的方法消除了解析模型的系统偏差，同时保持了具有竞争力的误差和近乎瞬时的推理时间。
引用
@article{arxiv.2604.11437,
title = {Data-efficient extraction of optical properties from 3D Monte Carlo TPSFs using Bi-LSTM transfer learning},
author = {Joubine Aghili and Rémi Imbach and Anne Pallarès and Philippe Schmitt and Wilfried Uhring},
journal= {arXiv preprint arXiv:2604.11437},
year = {2026}
}