KI kann unsichtbare Objekte in völliger Dunkelheit enthüllen

• MIT-Forscher verwenden tiefe neuronale Netze, um unsichtbare Objekte in völliger Dunkelheit aufzudecken.
• Es kann biologische Zellen und Gewebe abbilden, ohne sie schädlichen Strahlen und intensivem Licht auszusetzen.

Die meisten Bildgebungssysteme liefern nur verzerrte oder teilweise Daten über das abzubildende Objekt. Dies geschieht hauptsächlich aufgrund fehlender Phaseninformationen, Verlust von Ortsfrequenzen, Rauschen in der Beleuchtung und unbekannten Streuern im optischen Zug.

In den letzten Jahren hat eine maschinelle Lerntechnik namens Deep Neural Network viel Aufmerksamkeit im Bereich der bildgebenden Bildgebung auf sich gezogen. Es hat sich in einer Vielzahl von Anwendungen als effizienter Löser erwiesen, darunter Geisterbilder, adaptive Optik, adaptive Beleuchtungsmikroskopie, Phasenabruf, optische Tomographie und unterabgetastete Bildgebung.

Zum einen hat ein Team von MIT-Forschern tiefe neuronale Netze verwendet, um ein kohärentes Phasenabrufproblem zu lösen, das von hohem Rauschen auf verschiedenen Ebenen betroffen ist. In einfacher Sprache haben sie eine Methode entdeckt, um unsichtbare Objekte in völliger Dunkelheit zu enthüllen.

Dies unterscheidet sich stark von der bestehenden KI-basierten „Nachtmodus“-Technik, die in Googles Pixel 3-Smartphone zu finden ist und die mehrere verrauschte Bilder aufnehmen und klare Fotos produzieren kann, aber zunächst etwas Licht erfordert. Die Technik des MIT hingegen funktioniert in einem vollständig dunklen Raum. Es benötigt nur ein Photon pro Pixel.

Wie haben sie das gemacht?

Die Forscher nahmen zunächst Bilder von Zielobjekten in fast pechschwarzer Umgebung auf. Aus diesen Bildern haben sie dann transparente Objekte nachgebaut. Dazu verwendeten sie tiefe neuronale Netze, die darauf trainiert sind, über 10.000 transparente glasartige Ätzungen aus dunklen, körnigen Bildern zu erkennen, die für das menschliche Auge unsichtbar sind.

Referenz:Physische Überprüfungsschreiben | doi:10.1103/PhysRevLett.121.243902 | MIT

Die Bilder selbst, aufgenommen in einem dunklen Raum, wirkten wie das statische Rauschen, das man auf einem Fernseher sehen kann. Die neuronalen Netze werden auf diesen Bildern zusammen mit den entsprechenden Mustern unter dem visuellen Rauschen trainiert.

Allmählich lernte das Netzwerk, aus dem visuellen Rauschen einen Sinn zu machen. Es erzeugte schließlich verschwommene Bilder. Um diese Bilder klarer zu machen, hat das Team eine Ebene hinzugefügt, die die Ausgabe fokussieren kann.

Mit freundlicher Genehmigung der Forscher 

Im obigen Bild sieht man das dunkle Bild (oben links), das durch eine transparente Ätzung erzeugt wird (ganz rechts). Die Forscher verwendeten einen Physikalgorithmus, der auf dem Verhalten von Licht basiert, um das Objekt nachzubilden (oben rechts). Die maschinelle Lerntechnik erzeugte ein ziemlich verschwommenes Bild (unten links). Sie kombinierten sowohl physikalische Algorithmen als auch maschinelle Lerntechniken, um das genaueste Bild (unten rechts) eines tatsächlichen Objekts/einer tatsächlichen Szene zu rekonstruieren.

Wie ist es nützlich?

Die KI könnte verwendet werden, um transparente Merkmale wie biologische Zellen und Gewebe in Bildern zu beleuchten, die bei sehr schwachem Licht aufgenommen wurden. Zellen können leicht verbrannt oder beschädigt werden, wenn sie intensivem Licht ausgesetzt werden, und dann ist nichts mehr zu sehen. Wenn Patienten Röntgenstrahlen ausgesetzt sind, besteht auch die Möglichkeit, an Krebs zu erkranken.

Lesen Sie:Gibt es etwas, das dunkle Photonen genannt wird | Das hypothetische Teilchen

Diese Studie könnte in solchen Fällen helfen:Forscher haben es ermöglicht, die gleiche Bildqualität zu erzielen, indem sie Zellen und Gewebe weniger Photonen aussetzen. Dadurch wird der Schaden an biologischen Proben bei der Probenahme deutlich verringert. Darüber hinaus könnte die Technologie eine Reihe potenziell nützlicher Anwendungen im Bereich der astronomischen Bildgebung bieten.