Umělá inteligence použita k identifikaci zdrojů světla s mnohem menšími měřeními

Skupina výzkumníků použila umělou inteligenci (AI) k identifikaci zdrojů světla. Nová metoda vyžaduje dramaticky méně měření než tradiční metody.

Mnohé fotonicové technologie, včetně lidar, dálkového průzkumu a mikroskopie, jsou vyvíjeny částečně identifikací zdrojů světla. Některé z těchto zdrojů zahrnují sluneční světlo, laserové záření a fluorescenci molekul. Identifikace těchto zdrojů obvykle vyžaduje miliony měření, což je especialmente pravdivé v prostředí s nízkou intenzitou světla, což činí velmi obtížné implementovat kvantové fotonicové technologie.

Práce byla publikována v Applied Physics Reviews, z AIP Publishing. Její název je „Identifikace zdrojů světla pomocí strojového učení.”

Umělá neuronová síť

Omar Magana-Loaiza je jedním z autorů článku.

“Trénovali jsme umělou neuronovou síť se statistickými fluktuacemi, které charakterizují kohorentní a termální světlo,” řekl Magana-Loaiza.

Umělá neuronová síť byla nejprve trénována se zdroji světla, což vedlo k tomu, že byla schopna identifikovat určité rysy, které jsou spojeny s konkrétními typy světla.

Chenglong You je dalším výzkumníkem a spoluautorem článku.

“Jedna umělá neuronová síť stačí k dramatickému snížení počtu měření potřebných k identifikaci zdroje světla z milionů na méně než sto,” řekl You.

Aplikace a výhody

Protože je zapotřebí mnohem méně měření k identifikaci zdrojů světla, lze to udělat mnohem rychleji. Kromě toho lze snížit poškození světlem. Například poškození světlem lze omezit v mikroskopii, protože vzorek nemusí být osvětlen tak dlouho, jako když je zapotřebí mnoho měření.

Roberto de J. León-Montiel je dalším spoluautorem článku.

“Pokud byste prováděli zobrazovací experiment s jemnými fluorescenčními molekulárními komplexy, například, můžete snížit dobu, po kterou je vzorek vystaven světlu, a minimalizovat tak jakékoli poškození světlem,” řekl León-Montiel.

Další oblast, která bude mít prospěch z této technologie, je kryptografie, kde jsou často vyžadována miliony měření k generování klíčů pro šifrování zpráv nebo e-mailů.

“Mohli bychom urychlit generování kvantových klíčů pro šifrování pomocí podobné neuronové sítě,” řekl Magana-Loaiza.

Laserové světlo, které je důležité pro dálkový průzkum, by také mohlo mít prospěch. Nová rodina chytrých lidarových systémů by mohla být vyvinuta, schopná identifikovat zachycená nebo modifikovaná data, která jsou odrážena od vzdáleného objektu. Lidar je metoda dálkového průzkumu, která osvětlí cíl laserovým světlem a poté měří odrážené světlo senzorem, aby změřila vzdálenost k cíli.

“Pravděpodobnost rušení chytrého kvantového lidarového systému bude dramaticky snížena naší technologií,” pokračoval Magana-Loaiza. Kromě toho bude možnost rozlišovat lidarové fotony od environmentálního světla, jako je sluneční světlo, mít důležité důsledky pro dálkový průzkum při nízkých úrovních světla.