Nenhuma imagem é infinitamente nítida. Por um ano e meio, foi relatado que, por mais inteligente que você crie um microscópio ou câmera, sempre existe um limite básico de resolução que não pode ser superado em princípio. A posição de uma partícula nunca pode ser medida com precisão infinita; Uma certa quantidade de ambiguidade é inevitável. Esse limite não é como resultado de fraquezas técnicas, mas as propriedades físicas da luz e elas mesmas da infecção pela informação.
A Universidade de Glasgow e a Universidade Grenball Tu Wyen (Viena) levantaram esta questão: onde está o limite absoluto de precisão por meio de métodos ópticos? E esse limite pode ser comunicado o mais próximo possível? E, de fato, a equipe internacional especificou com sucesso o limite mínimo para a precisão teórica e os algoritmos de IA para a rede neural que chegaram muito perto desse limite após o treinamento adequado. Essa estratégia agora é empregada no método de imagem usado na medicina.
Um limite absoluto de precisão
“Vamos imaginar que estamos olhando para um pequeno objeto atrás de um copo de vidro”, disse Stepan Rotter, professor da física teórica de duas vitórias. “Não vemos apenas uma imagem do objeto, mas um padrão de luz complexo com muita luz e muitos remendos de luz. Agora, a pergunta é: onde está o objeto baseado nessa figura – onde está o objeto dessa precisão é o limite absoluto?”
Por exemplo, essas situações nacionais são importantes em biofágica ou imagem médica. Quando a luz é espalhada pelo tecido biológico, é visto perder informações sobre a estrutura profunda do tecido. No entanto, quanto essas informações podem ser restauradas em princípio? Esta questão não é apenas a natureza técnica, mas a própria física determina as limitações básicas aqui.
A resposta a essas perguntas foi fornecida por um sistema teórico: assim -chamado FisherA medida descreve quanta informação sobre um parâmetro desconhecido em um sinal óptico – como a posição do objeto. Se a informação do Fisher estiver baixa, a determinação específica da visão não será mais possível, considerando a análise sofisticada do sinal. Com base no conceito desses dados de Fisher, a equipe conseguiu calcular um limite mais alto para a precisão teoricamente alcançável em várias situações experimentais.
As redes neurais aprenderam com os padrões de luz do caos
Quando a equipe da TU Win forneceu a entrada teórica, Ilya Starshinov, da Universidade de Glasgow (Reino Unido), com Darian Boucheet da Universidade (F) com Daniel Facesio. Neste experimento, um feixe de laser foi realizado em um objeto pequeno e refletido localizado atrás de um líquido turvo, de modo que as imagens registradas mostram apenas padrões de luz altamente distorcidos. Dependendo da turbidez, as condições da medição variam – e, portanto, a dificuldade de obter as informações de posição específicas do sinal.
“Para o olho humano, essas imagens parecem padrões aleatórios”, diz Wemer Maximilian (TU Win), um dos autores do estudo. “Mas se alimentarmos muitas dessas imagens com uma posição de objeto familiar na rede neural, a rede poderá aprender quais padrões estão relacionados a qualquer posição”. Após o treinamento adequado, a rede conseguiu determinar a posição do objeto com muita precisão com padrões novos e desconhecidos.
Quase nos limites físicos
Particularmente perceptível: a precisão da previsão foi a menos pior que a conquista teórica, calculando usando dados de Fisher. “Isso significa que nosso algoritmo apoiado pela IA não é apenas eficaz, mas quase favorável”, diz Stepan Rotter. “Consegue quase precisão permitida pela lei da física”.
Existem conseqüências de longo alcance dessa percepção: com a ajuda de algoritmos inteligentes, as medições ópticas podem ser significativamente melhoradas em uma ampla gama de casos-da diagnóstico médico à pesquisa de materiais e tecnologia quântica. Em projetos futuros, a equipe de pesquisa deseja trabalhar com os parceiros de física e medicina para investigar como esses métodos apoiados pela IA podem ser usados em um sistema específico.
