Intelligenza Artificiale Utilizzata per Identificare le Fonti di Luce con Molto Meno Misure

Un gruppo di ricercatori ha utilizzato l’intelligenza artificiale (AI) per identificare le fonti di luce. Il nuovo metodo richiede drasticamente meno misure di quanto richiesto tradizionalmente.

Molte tecnologie fotoniche, tra cui lidar, teledetezione e microscopia, sono state sviluppate in parte identificando le fonti di luce. Alcune di queste fonti includono la luce solare, la radiazione laser e la fluorescenza molecolare. Identificarle normalmente richiede milioni di misure, il che è particolarmente vero in ambienti a bassa luce, rendendolo estremamente difficile implementare tecnologie fotoniche quantistiche.

Il lavoro è stato pubblicato in Applied Physics Reviews, di AIP Publishing. Si intitola “Identificazione delle fonti di luce utilizzando l’apprendimento automatico.”

Neurone Artificiale

Omar Magana-Loaiza è un autore del documento.

“Abbiamo addestrato un neurone artificiale con le fluttuazioni statistiche che caratterizzano la luce coerente e termica”, ha detto Magana-Loaiza.

Il neurone artificiale è stato addestrato per primo con le fonti di luce, il che lo ha reso in grado di identificare determinate caratteristiche associate a tipi specifici di luce.

Chenglong You è un ricercatore e coautore del documento.

“Un singolo neurone è sufficiente per ridurre drasticamente il numero di misure necessarie per identificare una fonte di luce da milioni a meno di cento”, ha detto You.

Applicazioni e Vantaggi

Poiché sono necessarie molte meno misure per identificare le fonti di luce, ciò può essere fatto molto più velocemente. Oltre a essere più veloce, ci può essere una riduzione del danno alla luce. Ad esempio, il danno alla luce può essere limitato nella microscopia poiché il campione non deve essere illuminato tanto quanto quando sono necessarie molte misure.

Roberto de J. León-Montiel è un altro coautore del documento.

“Se stessi facendo un esperimento di imaging con complessi molecolari fluorescenti delicati, ad esempio, potresti ridurre il tempo in cui il campione è esposto alla luce e minimizzare eventuali danni fotodinamici”, ha detto León-Montiel.

Un’altra area che trarrà beneficio da questa tecnologia è la crittografia, dove spesso sono necessarie milioni di misure per generare chiavi per crittografare messaggi o email.

“Potremmo accelerare la generazione di chiavi quantistiche per la crittografia utilizzando un neurone simile”, ha detto Magana-Loaiza.

La luce laser, che è importante nella teledetezione, potrebbe anche trarre beneficio. Una nuova famiglia di sistemi lidar intelligenti potrebbe essere sviluppata, in grado di identificare i dati intercettati o modificati riflessi da un oggetto remoto. Il lidar è un metodo di teledetezione che illumina un bersaglio con luce laser e quindi misura la luce riflessa con un sensore per misurare la distanza da un bersaglio.

“La probabilità di disturbare un sistema lidar quantistico intelligente sarà drasticamente ridotta con la nostra tecnologia”, ha continuato Magana-Loaiza. Inoltre, la possibilità di discriminare i fotoni lidar dalla luce ambientale come la luce solare avrà importanti implicazioni per la teledetezione a bassi livelli di luce.