针对虚拟现实、增强现实等图形学应用中流体动态高精度重建的迫切需求，本项目提出了一种基于全局物理先验的烟雾实时重建框架，解决了传统方法在稀疏视图条件下物理一致性差、计算效率低的核心难题。研究团队通过融合可微分流体模拟器与可微分渲染器构建端到端优化系统，创新性地采用无散度拉普拉斯本征函数作为速度场基底，突破了传统压力投影过程对线性求解器的依赖，实现了物理约束与计算效率的协同优化。项目在算法层面取得三大突破：首次将谱方法引入可微分流体模拟，通过谱域多尺度策略将内存消耗降低三分之一；设计梯度相关的视觉外壳应用策略，在不增加正则化项的前提下有效消除视觉外壳外密度残留；开发时间梯度指数衰减机制，成功抑制长序列优化中的梯度爆炸问题。实验验证表明，该方法在合成数据集上达到98.69%的密度场重建精度。研究成果在虚拟消防演练等工业场景完成落地验证，为复杂流体现象的数字化建模提供了新的理论工具和技术路径。
