傅里叶神经算子网络：光声波动方程的快速通用求解器
图像与视频处理
2023-03-14 v1 计算机视觉与模式识别
摘要
光声波传播仿真工具通过提供影响图像质量参数的定量与定性洞察，在推进光声成像中发挥了关键作用。数值求解光声波动方程的经典方法依赖空间精细离散化，对大计算网格计算开销高昂。本工作中，我们应用傅里叶神经算子（FNO）网络作为一种快速数据驱动的深度学习方法来求解均匀介质中的2D光声波动方程。FNO网络与伪谱时域方法的比较表明，FNO网络生成了误差小且可比的仿真，且速度快数个数量级。此外，FNO网络具有泛化性，能生成训练数据中未观测到的仿真。
引用
@article{arxiv.2108.09374,
title = {Fourier Neural Operator Networks: A Fast and General Solver for the Photoacoustic Wave Equation},
author = {Steven Guan and Ko-Tsung Hsu and Parag V. Chitnis},
journal= {arXiv preprint arXiv:2108.09374},
year = {2023}
}