Kunstig intelligens bruges til at identificere lyskilder med langt færre målinger

En gruppe forskere har brugt kunstig intelligens (AI) til at identificere lyskilder. Den nye metode kræver dramatisk færre målinger end hvad der traditionelt kræves.

Mange fotontechnologier, herunder lidar, fjernsanering og mikroskopi, udvikles delvist ved at identificere lyskilder. Nogle af disse kilder omfatter sollys, laserstråling og molekylær fluorescens. At identificere dem kræver normalt millioner af målinger, hvilket især er sandt i lavlys-miljøer, hvilket gør det ekstremt svært at implementere kvantefotontechnologier.

Arbejdet blev offentliggjort i Applied Physics Reviews, fra AIP Publishing. Det er titlen “Identification of light sources using machine learning.”

Kunstig neuron

Omar Magana-Loaiza er forfatter til artiklen.

“Vi trænede et kunstigt neuron med de statistiske fluktuationer, der kendetegner kohærent og termisk lys,” sagde Magana-Loaiza.

Det kunstige neuron blev først trænet med lyskilder, hvilket resulterede i, at det blev i stand til at identificere bestemte funktioner, der er forbundet med bestemte typer lys.

Chenglong You er en medforsker og medforfatter til artiklen.

“Et enkelt neuron er nok til dramatisk at reducere antallet af målinger, der er nødvendige for at identificere en lyskilde fra millioner til under hundred,” sagde You.

Anvendelser og fordele

Fordi der er så få målinger nødvendige for at identificere lyskilder, kan det gøres meget hurtigere. Ud over at være hurtigere, kan der også være en reduktion i lysbeskadigelse. For eksempel kan lysbeskadigelse begrænses i mikroskopi, da prøven ikke behøver at belyses så meget som når mange målinger er nødvendige.

Roberto de J. León-Montiel er en anden medforfatter til artiklen.

“Hvis du udførte et billedexperiment med ømfølsomme fluorescerende molekylær komplekser, for eksempel, kunne du reducere den tid, prøven er udsat for lys, og minimere eventuel fotodamage,” sagde León-Montiel.

Et andet område, der vil blive berørt af denne teknologi, er kryptografi, hvor millioner af målinger ofte er nødvendige for at generere nøgler til at kryptere beskeder eller e-mails.

“Vi kunne accelerere genereringen af kvantenøgler til kryptering ved hjælp af et lignende neuron,” sagde Magana-Loaiza.

Laserlys, der er vigtigt i fjernsanering, kunne også blive berørt. En ny familie af intelligente lidar-systemer kunne udvikles, der er i stand til at identificere fanget eller ændret data, der reflekteres fra et fjernt objekt. Lidar er en fjernsaneringsmetode, der belyser et mål med laserlys. Derefter måles det reflekterede lys med en sensor for at måle afstanden til målet.

“Sandssynligheden for at jamme et intelligent kvantelidar-system vil blive dramatisk reduceret med vores teknologi,” fortsatte Magana-Loaiza. Derudover vil muligheden for at diskriminere lidar-fotoner fra miljølys, såsom sollys, have vigtige implikationer for fjernsanering på lavlys-niveauer.