Η Τεχνητή Νοημοσύνη Χρησιμοποιείται για την Αναγνώριση Πηγών Φωτός με Λιγότερες Μετρήσεις

Μια ομάδα ερευνητών έχει χρησιμοποιήσει τη τεχνητή νοημοσύνη (ΤΝ) για να αναγνωρίσει πηγές φωτός. Η νέα μέθοδος απαιτεί δραματικά λιγότερες μετρήσεις από ό,τι το παραδοσιακό.

Πολλές φωτονικές τεχνολογίες, συμπεριλαμβανομένων του lidar, της τηλεπισκόπησης και της μικροσκοπίας, αναπτύσσονται εν μέρει με την αναγνώριση πηγών φωτός. Κάποιες από αυτές τις πηγές περιλαμβάνουν ηλιακό φως, laser ακτινοβολία και φθορισμό μορίων. Η αναγνώριση τους συνήθως απαιτεί εκατομμύρια μετρήσεων, που είναι ιδιαίτερα vrai σε περιβάλλοντα με χαμηλό φως, καθιστώντας το εξαιρετικά δύσκολο να εφαρμοστούν τεχνολογίες κβαντικών φωτονικών.

Το έργο δημοσιεύθηκε στο Applied Physics Reviews, από την AIP Publishing. Ο τίτλος του είναι “Αναγνώριση πηγών φωτός χρησιμοποιώντας μηχανική μάθηση.”

Τεχνητό Νευρώνα

Ο Omar Magana-Loaiza είναι συγγραφέας του εγγράφου.

“Εκπαιδεύσαμε einen τεχνητό νευρώνα με τις στατιστικές διακυμάνσεις που χαρακτηρίζουν το συνεκτικό και το θερμικό φως,” είπε ο Magana-Loaiza.

Ο τεχνητός νευρώνας εκπαιδεύτηκε αρχικά με πηγές φωτός, που οδήγησε στο να μπορεί να αναγνωρίσει ορισμένα χαρακτηριστικά που συνδέονται με συγκεκριμένα είδη φωτός.

Ο Chenglong You είναι συνεταίρος ερευνητής και συγγραφέας του εγγράφου.

“Ένας単ός νευρώνας είναι αρκετός για να μειώσει δραματικά τον αριθμό των μετρήσεων που απαιτούνται για την αναγνώριση μιας πηγής φωτός από εκατομμύρια σε λιγότερες από εκατό,” είπε ο You.

Εφαρμογές και Πλεονεκτήματα

Επειδή υπάρχουν τόσο λιγότερες μετρήσεις που απαιτούνται για την αναγνώριση πηγών φωτός, μπορεί να γίνει πολύ γρηγορότερα. Εκτός από το ότι είναι ταχύτερο, μπορεί να μειωθεί η ζημιά από το φως. Για παράδειγμα, η ζημιά από το φως μπορεί να περιοριστεί στη μικροσκοπία,既然 το δείγμα δεν χρειάζεται να φωτιστεί τόσο πολύ όσο όταν απαιτούνται πολλές μετρήσεις.

Ο Roberto de J. León-Montiel είναι άλλος συνεταίρος ερευνητής του εγγράφου.

“Εάν κάνατε ένα πείραμα εικόνας με ευαίσθητες φθοριζόμενες μοριακές phứcές, για παράδειγμα, θα μπορούσατε να μειώσετε τον χρόνο που το δείγμα εκτίθεται στο φως και να ελαττώσετε οποιαδήποτε φωτοζημιά,” είπε ο León-Montiel.

Άλλη μια περιοχή που θα ωφεληθεί από αυτή τη τεχνολογία είναι η κρυπτογραφία, όπου συχνά απαιτούνται εκατομμύρια μετρήσεις για τη δημιουργία κλειδιών για την κρυπτογράφηση μηνυμάτων ή email.

“Θα μπορούσαμε να επιταχύνουμε τη δημιουργία κβαντικών κλειδιών για κρυπτογράφηση χρησιμοποιώντας έναν παρόμοιο νευρώνα,” είπε ο Magana-Loaiza.

Το laser φως, το οποίο είναι σημαντικό στη τηλεπισκόπηση, θα μπορούσε επίσης να ωφεληθεί. Μια νέα οικογένεια έξυπνων συστημάτων lidar θα μπορούσε να αναπτυχθεί, ικανή να αναγνωρίζει δια截ημένα ή τροποποιημένα δεδομένα που αντανακλούν από ένα απομακρυσμένο αντικείμενο. Το lidar είναι μια μέθοδος τηλεπισκόπησης που φωτίζει ένα στόχο με laser φως και στη συνέχεια μετρά το αντανακλωμένο φως με einen αισθητήρα για να μετρήσει την απόσταση σε ένα στόχο.

“Η πιθανότητα να παρεμποδιστεί ένα έξυπνο κβαντικό σύστημα lidar θα μειωθεί δραματικά με την τεχνολογία μας,” συνέχισε ο Magana-Loaiza. Επιπλέον, η δυνατότητα να διακρίνουμε φωτόνια lidar από περιβαλλοντικό φως, όπως το ηλιακό φως, θα έχει σημαντικές επιπτώσεις για τη τηλεπισκόπηση σε χαμηλά επίπεδα φωτός.