用于逆问题的神经最优实验设计

本文介绍了一种新的基于学习的框架，神经最优实验设计（NODE），用于逆问题的最优实验设计。关键创新在于一个单一的优化循环，该循环共同训练神经重建模型并直接优化连续设计变量（例如，传感器位置）。这种方法避免了双层优化和稀疏正则化的复杂性，从而提高了重建精度并降低了计算成本。本文的重要性在于它有可能简化各种应用中的实验设计，特别是那些涉及有限资源或复杂测量设置的应用。

• •提出了一种用于最优实验设计的新框架 NODE。
• •避免了双层优化和稀疏正则化。
• •直接优化测量位置，通过设计强制稀疏性。
• •与基线相比，展示了改进的重建精度和特定于任务的性能。
• •降低了计算复杂度。