Inteligencia Artificial Utilizada para Identificar Fuentes de Luz con Muchas Menos Mediciones

Un grupo de investigadores ha utilizado la inteligencia artificial (IA) para identificar fuentes de luz. El nuevo método requiere drásticamente menos mediciones de lo que se requiere tradicionalmente.

Muchas tecnologías fotónicas, incluyendo lidar, teledetección y microscopía, se desarrollan en parte identificando fuentes de luz. Algunas de estas fuentes incluyen la luz del sol, la radiación láser y la fluorescencia molecular. Identificarlas normalmente requiere millones de mediciones, lo que es especialmente cierto en entornos de poca luz, lo que hace que sea extremadamente difícil implementar tecnologías fotónicas cuánticas.

El trabajo se publicó en Applied Physics Reviews, de AIP Publishing. Se titula “Identificación de fuentes de luz utilizando aprendizaje automático”.

Neurona Artificial

Omar Magana-Loaiza es autor del artículo.

“Entrenamos a una neurona artificial con las fluctuaciones estadísticas que caracterizan la luz coherente y térmica”, dijo Magana-Loaiza.

La neurona artificial se entrenó primero con fuentes de luz, lo que la llevó a ser capaz de identificar ciertas características que se asocian con tipos específicos de luz.

Chenglong You es un investigador fellow y coautor del artículo.

“Una sola neurona es suficiente para reducir drásticamente el número de mediciones necesarias para identificar una fuente de luz de millones a menos de cien”, dijo You.

Aplicaciones y Beneficios

Debido a que se requieren muchas menos mediciones para identificar fuentes de luz, se puede hacer mucho más rápido. Además de ser más rápido, se puede reducir el daño causado por la luz. Por ejemplo, el daño causado por la luz se puede limitar en microscopía ya que la muestra no necesita ser iluminada tanto como cuando se requieren muchas mediciones.

Roberto de J. León-Montiel es otro coautor del artículo.

“Si estuvieras realizando un experimento de imagen con complejos moleculares fluorescentes delicados, por ejemplo, podrías reducir el tiempo que la muestra está expuesta a la luz y minimizar cualquier daño fotónico”, dijo León-Montiel.

Otra área que se beneficiará de esta tecnología es la criptografía, donde a menudo se requieren millones de mediciones para generar claves para cifrar mensajes o correos electrónicos.

“Podríamos acelerar la generación de claves cuánticas para cifrado utilizando una neurona similar”, dijo Magana-Loaiza.

La luz láser, que es importante en la teledetección, también se beneficiará. Se podría desarrollar una nueva familia de sistemas lidar inteligentes capaces de identificar datos interceptados o modificados que se reflejan desde un objeto remoto. El lidar es un método de teledetección que ilumina un objetivo con luz láser y luego mide la luz reflejada con un sensor para medir la distancia a un objetivo.

“La probabilidad de bloquear un sistema lidar cuántico inteligente se reducirá drásticamente con nuestra tecnología”, continuó Magana-Loaiza. Además, la posibilidad de discriminar fotones lidar de la luz ambiental como la luz del sol tendrá implicaciones importantes para la teledetección a niveles de luz baja.