研究人员开发了一种机器学习方法，用于对已在湍流介质中传播的结构光束进行分类和生成。该研究利用数值模拟来创建散斑图案，并采用SimpleCNN和ResNet-18分类器来分析强度和自相关输入。为了解决获取额外传播样本的成本问题，创建了一个条件化扩散模型用于生成增强，该模型具有一个感知频谱的扩散目标，结合了像素域损失和傅里叶域正则化器，以保持高频散斑统计数据。这种混合目标已被证明可以提高分类性能，尤其是在数据量较少的情况下。 AI
影响 这项研究可能带来改进在复杂环境中分析和模拟光传播的方法，可能影响光学通信和遥感等领域。
排序理由 该集群包含一篇学术论文，详细介绍了一种基于机器学习的新方法来解决物理问题。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
