Kunstig Intelligens Bruges Til At Identificere Lyskilder Med 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, fjernsensing 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 kvante-fotontechnologier.

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

Kunstig Neuron

Omar Magana-Loaiza er en forfatter af artiklen.

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

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

Chenglong You er en medforsker og medforfatter af artiklen.

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

Anvendelser og Fordele

Fordi der kræves så få målinger 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 være belyst så meget, som når mange målinger er nødvendige.

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

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

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

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

Laserlys, der er vigtigt i fjernsensing, kunne også blive beriget. 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 fjernsensing-metode, der belyster et mål med laserlys og derefter måler det reflekterede lys med en sensor for at måle afstanden til et mål.

” Sandsynligheden for at jamme et intelligent kvante-lidar-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 fjernsensing på lavlys-niveauer.