以波动物理作为表示：面向海洋声场的张量结构神经重建

基于摘要分析。本文研究从稀疏测量重建三维复数海洋声场，针对波场高度振荡、采样路径受限及环境参数不确定的问题，从波动物理的数学形式提取结构化表示，并提出神经重建器 TIDAL；研究对象并非 EEG 或 BCI。 方法上，作者从 Helmholtz equation 与 normal mode propagation 推导空间—角度张量表示 S/c。在低秩特化条件下，该表示具有 rank-(L,L,1) block-term tensor decomposition 的形式，将海洋观测中的结构化采样模式或路径与场恢复的充分条件联系起来。TIDAL 将该表示作为结构化解码的归纳偏置，并使信息聚合与采样几何相匹配。其区别在于学习物理启发表示的组成部分，而非求解参数完全指定的波动方程；摘要称神经学习器不再需要传统物理恢复方法所要求的已知模型参数，但这不等于无需训练数据或采样几何信息。 作者报告，在三种结构化采样几何的实验中，TIDAL 相比所评估基线取得最佳重建表现与最快推理速度，并在数据量和模型容量受限时体现出物理推导表示的收益。摘要未提供数据来源、划分、指标数值、基线名称或计时条件，实验协议、消融及统计信息尚未验证；恢复充分条件的具体假设也需查阅全文。 平台推测（待验证）：其可借鉴之处是将受限采样几何与低秩结构解码联合建模，可能对应 EEG 稀疏通道下的空间重建问题。但海洋声场的传播假设不能直接用于 EEG，需改造物理表示、传感器几何及监督目标；低信噪比、跨被试变化与小数据可能使低秩假设或表示学习失效。一个可证伪的小实验是在固定被试内划分和相同通道掩码下，对比几何感知低秩解码器与不含该结构的匹配基线，评估留出通道的重建误差；该实验仅检验结构偏置，不验证原始声学表示适用于 EEG。相关 EEG 工作尚未检索确认。