人工知能を用いて極めて少ない測定で光源を識別する

研究者の一群は、光源を識別するために人工知能（AI）を使用した。

リダール、リモートセンシング、マイクロスコピーを含む多くのフォトニック技術は、光源の識別によって開発されている。これらの光源には、日光、レーザー放射、分子蛍光が含まれる。通常、光源を識別するには数百万の測定が必要であり、特に低光環境では極めて困難であるため、量子フォトニック技術の実装が困難になる。

この研究は、Applied Physics Reviewsに掲載された。タイトルは「マシンラーニングを用いた光源の識別」である。

人工ニューロン

オマール・マガナ＝ロアイザは、この研究の著者である。

「私たちは、統計的変動を特徴とするコヒーレント光と熱光を用いて人工ニューロンを訓練した」とマガナ＝ロアイザは述べた。

人工ニューロンは、光源で訓練された後、特定の種類の光に関連する特定の特徴を識別できるようになった。

チェンロン・ユーは、共同研究者であり、この研究の共同著者である。

「1つのニューロンだけで、光源を識別するために必要な測定数を数百万から100未満に劇的に削減できる」とユーは述べた。

応用と利点

光源を識別するために必要な測定数が劇的に減少するため、識別が速くなる。また、光による損傷を減少させることができる。たとえば、マイクロスコピーでは、サンプルを照らす必要が減るため、光による損傷を制限できる。

ロベルト・デ・J・レオン＝モンテイエルは、この研究の共同著者である。

「たとえば、繊細な蛍光分子複合体のイメージング実験を行っている場合、サンプルを光にさらす時間を短縮し、光による損傷を最小限に抑えることができる」とレオン＝モンテイエルは述べた。

この技術が利益をもたらすもう1つの分野は、暗号化である。暗号化では、通常、メッセージや電子メールを暗号化するために数百万の測定が必要となる。

「同様のニューロンを使用して、暗号化のための量子キーを生成する速度を上げることができる」とマガナ＝ロアイザは述べた。

リモートセンシングで重要なレーザー光も、この技術の利益を受けることができる。新しいスマートリダールシステムのファミリーが開発される可能性があり、リモートオブジェクトから反射されたデータを傍受または変更したデータを識別できる。

「スマート量子リダールシステムをジャミングする確率は、当社の技術によって劇的に減少する」とマガナ＝ロアイザは続けた。また、リダール光子を環境光（たとえば、日光）から区別する能力は、低光レベルのリモートセンシングに重要な意味を持つことになる。