arXiv · ML· Ethan Hanold, Nicholas M. Boffi, Qin Li, Leonardo Zepeda-N\'u\~nez·· 9 天前AI 评分41
AdjointFlow 利用物理驱动传输加速科学逆问题求解
AdjointFlow: Accelerating Scientific Inverse Problems with Physics-Based Transport
AI 导读
AdjointFlow 提出一种基于随机插值的框架,将已知物理注入生成传输过程。 在逆散射、地震成像等实验中,其推理速度比 PnP 方法快达五个数量级。 无需重新训练即可通过查询物理模型进一步提升数据一致性。
来源:arXiv · ML · arxiv.org