Tekoälyä Käytetään Valonlähteiden Tunnistamiseen Huomattavasti Vähemmällä Mittauksilla

Tutkijaryhmä on käyttänyt tekoälyä (AI) valonlähteiden tunnistamiseen. Uusi menetelmä vaatii dramaattisesti vähemmän mittauksia kuin perinteisesti vaaditaan.

Monet fotoniikkaan liittyvät teknologiat, kuten lidar, etämittaus ja mikroskopia, kehitetään osittain tunnistamalla valonlähteitä. Jotkut näistä lähteistä ovat auringonvalo, laser-säteily ja molekyylifluoresenssi. Niiden tunnistaminen vaatii yleensä miljoonia mittauksia, mikä on erityisen totta heikossa valaistuksessa, mikä tekee kvanttifotoniikkaa erittäin hankalaksi toteuttaa.

Tutkimus julkaistiin Applied Physics Reviews -julkaisussa, joka on julkaistu AIP Publishing -kustantamossa. Sen otsikko on “Valonlähteiden tunnistaminen koneoppimisen avulla.”

Tekoälyneuron

Omar Magana-Loaiza on yksi tutkimuksen tekijöistä.

“Koulutimme tekoälyneuronin tilastollisten fluktuatioden avulla, jotka ovat ominaisia koherentille ja termiselle valolle,” sanoi Magana-Loaiza.

Tehtäväneuron koulutettiin ensin valonlähteillä, mikä johti siihen, että se pystyi tunnistamaan tiettyjä piirteitä, jotka liittyvät tietynlaisiin valonlähteisiin.

Chenglong You on toinen tutkija ja yksi tutkimuksen tekijöistä.

“Yksi tekoälyneuron riittää dramaattisesti vähentämään valonlähteen tunnistamiseen tarvittavien mittauksien määrää miljoonista alle sataan,” sanoi You.

Sovellukset ja hyödyt

Siksi, että valonlähteiden tunnistamiseen tarvitaan huomattavasti vähemmän mittauksia, se voidaan tehdä paljon nopeammin. Sen lisäksi voidaan vähentää valon vahinkoa. Esimerkiksi valon vahinkoa voidaan rajoittaa mikroskopiassa, koska näyte ei tarvitse olla valaistuina yhtä paljon kuin silloin, kun mittauksia tarvitaan paljon.

Roberto de J. León-Montiel on toinen tutkimuksen tekijöistä.

“Jos teet esimerkiksi kuvantamiskokeen herkkien fluoresoivien molekyyliryhmien kanssa, voit vähentää aikaa, jolloin näyte on altis valolle, ja minimoida valon vahingon,” sanoi León-Montiel.

Toinen ala, joka hyötyy tästä teknologiasta, on salakirjoitus, jossa miljoonia mittauksia vaaditaan usein salausavainparien luomiseen salattaviin viesteihin tai sähköposteihin.

“Voimme nopeuttaa kvanttiavainparien luomista salaukseen vastaavalla neuronilla,” sanoi Magana-Loaiza.

Laser-valo, joka on tärkeä etämittauksessa, voi myös hyötyä tästä. Uuden sukupolven älykkäitä lidar-järjestelmiä voidaan kehittää, jotka pystyvät tunnistamaan vastaanotetun tai muutetun tiedon, joka heijastuu kaukaisesta kohteesta. Lidar on etämittaustapa, jossa kohde valaistuu laser-valolla ja heijastunut valo mitataan anturilla kohdetta kohti.

“Älykkään kvanttilidar-järjestelmän häirintämahdollisuus vähenee dramaattisesti teknologiamme ansiosta,” jatkoi Magana-Loaiza. Lisäksi mahdollisuus erottaa lidar-fotoneja ympäristön valosta, kuten auringonvalosta, on tärkeä etämittauksessa heikossa valaistuksessa.