TACSTechnology and Application of Computer Science2998-89262998-8934Art and Technology10.61369/TACS.2026050047Article融合主动学习的智能化声学CT 实验平台研制https://artdesignp.com/journal/TACS/3/5/10.61369/TACS.2026050047张玉峰,王勇幸2026352026-03-14针对物理实验中常规线性扫频方法测量效率不高、产生较多冗余数据的问题，本文构建了一套“AI 驱动”的声学CT测量系统。研究以亥姆霍兹共振腔为测试对象，利用边缘计算平台与算法模型的配合，将物理探测过程转化为一个基于主动学习的优化求解任务。算法部分引入了贝叶斯优化框架，采用高斯过程回归建立代理模型来描述物理场，并结合期望改善策略动态选择下一个测量频点。测试结果表明，该方法平均迭代约50次即可准确定位共振峰，测量耗时相比传统手段减少约60倍，配合集成的LLM 模块还能对实验偏差给出初步的逻辑解释。相关工作体现了人工智能在提高物理实验自主化程度与参数辨识精度上的应用价值。贝叶斯优化,声学CT,亥姆霍兹共振,主动学习,边缘计算

[1] 吕传茂，吕海峰，张晓光，等. 亥姆霍兹共振消声器的优化设计[J]. 声学技术,2020,39(02):230-234.[2] 周志华. 机器学习[M]. 清华大学出版社,2016.[3]Snoek J ,Larochelle H ,Adams P R .Practical Bayesian Optimization of Machine Learning Algorithms[J].CoRR,2012,abs/1206.2944.[4] 杜功焕，朱哲民，龚秀芬. 声学基础[M]. 南京大学出版社,2012.[5] 李宪泽，毛崎波，袁玮婷. 宽频亥姆霍兹共振器阵列的吸声性能研究[J]. 声学技术,2025,44(03):410-417.[6] 颜华，陈冠男，杨奇，等. 声学 CT 复杂温度场重建研究[J]. 声学学报,2012,37(4):370-377.[7] 张立峰，董祥虎. 基于鲁棒正则化极限学习机的声学层析温度分布重建[J]. 发电技术,2025,46(2):221-229.[8] 李森森，马征达，丁洁，等. 基于双向融合金字塔和通道注意力的水下声学图像目标检测[J]. 声学学报,2025,50(4):1003-1014.[9] 谭金庆，何丽平，罗波，等. 基于背景噪声信号的城市地下结构高时空分辨率动态监测[J].CT 理论与应用研究,2025,34(2):175-189.[10] 王鹏，李建龙，周利敏. 基于多分量特征融合与半监督学习的冰裂声信号检测方法[J]. 声学学报,2025,50(4):920-931.