面向不稳定火焦的无监督神经隐式激光吸收断层成像
光学
2026-03-31 v2 流体动力学
摘要
本文提出了一种新型的神经隐式方法，用于激光吸收断层成像(LAT)，并进行了实验演示。坐标神经网络用于表示空间和时间上的热化学状态变量的连续函数。与大多数现有LAT神经方法不同，后者依赖先验仿真和监督训练，我们的方法仅基于LAT测量数据，利用以标准光谱学数据库格式提供的线参数的可微观测算子。虽然从多束吸光数据重建标量场是固有难以置信的、非线性逆问题，但我们的连续空间-时间参数化支持物理启发的正则化策略并实现数据同化。进行了合成和实验测试，以验证该方法，显示出稳健的性能和可重复性。我们展示了该神经隐式LAT方法能够从极稀疏的测量数据中捕捉不稳定火焰的主导空间模式，表明其在测量域几乎没有光学接入权限的情况下，具有揭示燃烧不稳定性的潜力。
引用
@article{arxiv.2501.08337,
title = {Unsupervised neural-implicit laser absorption tomography for quantitative imaging of unsteady flames},
author = {Joseph P. Molnar and Jiangnan Xia and Rui Zhang and Samuel J. Grauer and Chang Liu},
journal= {arXiv preprint arXiv:2501.08337},
year = {2026}
}