双分支图热场重构网络

误差较FNO降42%

将热传导物理定律嵌入图神经网络的传播过程，在保持物理一致性的同时实现卫星热场的高精度重构。

Li, Qiao · Xu, Weile · Nan, Lv · Sihan, Zhang · Yunyang, Zhang · Zhao, Xiaoyu · Yufeng, Xia · Li, Xingchen

Aerospace Science and Technology 2026

参数信息

误差降低率（相对Gappy POD）

44.3 %

误差降低率（相对FNO）

42.3 %

技术优势

精度高

在轨道遥感卫星热重构上，误差较Gappy POD降低44.3%，较FNO降低42.3%。

物理一致

通过将热扩散物理嵌入前向传播，重构结果满足热力学约束，与高保真仿真参考定性一致。

计算更快

双分支架构结合线性注意力和矩阵分解，降低计算复杂度。

应用场景

• 卫星热管理：利用稀疏传感器数据实时重构卫星温度场，支撑热控决策。
• 智能传感：将物理模型嵌入学习，提升稀疏传感下的推理可靠性。
• 温度场重构：用物理约束引导的高精度重构替代纯数据驱动方法。