该研究提出了一种新颖的两阶段机器学习的代理建模框架，用于解决科学和工程领域中的反问题。结果证实了该框架的优越性，为促进机器学习的代理模型在实际应用中的相互作用提供了独特的视角。

本文研究了基于深度学习的方法是否能够精确解决无噪声的反问题，并通过计算机断层扫描问题的研究证明了迭代的端到端网络方案和数据驱动的校准步骤能够使CT重建达到数值精度，该方法表现优越。

本文研究了基于深度学习的方法是否能够精确解决无噪声的反问题，并提供了证据。通过迭代的端到端网络方案和数据驱动的校准步骤，研究了计算机断层扫描问题，展示了该方案能够使 CT 重建达到数值精度，表现优越。