Kunstmatige Intelligentie Wordt Gebruikt Om Lichtbronnen Te Identificeren Met Veel Minder Metingen

Een groep onderzoekers heeft kunstmatige intelligentie (AI) gebruikt om lichtbronnen te identificeren. De nieuwe methode vereist drastisch minder metingen dan traditioneel vereist.

Veel fotontechnologieën, waaronder lidar, remote sensing en microscopie, worden deels ontwikkeld door het identificeren van lichtbronnen. Sommige van deze bronnen zijn zonlicht, laserstraling en molecuulfluorescentie. Het identificeren ervan vereist normaal gesproken miljoenen metingen, wat vooral waar is in omgevingen met weinig licht, waardoor het extreem moeilijk is om quantumfotontechnologieën te implementeren.

Het onderzoek is gepubliceerd in Applied Physics Reviews, van AIP Publishing. Het heet “Identificatie van lichtbronnen met behulp van machine learning.”

Kunstmatige Neuron

Omar Magana-Loaiza is een auteur van het artikel.

“We hebben een kunstmatig neuron getraind met de statistische fluctuaties die coherent en thermisch licht kenmerken,” zei Magana-Loaiza.

Het kunstmatig neuron werd eerst getraind met lichtbronnen, waardoor het in staat was om bepaalde kenmerken te identificeren die geassocieerd zijn met specifieke soorten licht.

Chenglong You is een medeonderzoeker en co-auteur van het artikel.

“Een enkel neuron is genoeg om het aantal metingen dat nodig is om een lichtbron te identificeren, dramatisch te verminderen van miljoenen tot minder dan honderd,” zei You.

Toepassingen en Voordelen

Omdat er zo veel minder metingen nodig zijn om lichtbronnen te identificeren, kan dit veel sneller gebeuren. Bovendien kan er een vermindering zijn van lichtschade. Bijvoorbeeld kan lichtschade in microscopie worden beperkt omdat het monster niet zo veel hoeft te worden verlicht als wanneer veel metingen nodig zijn.

Roberto de J. León-Montiel is een andere co-auteur van het artikel.

“Als je een beeldvormingsexperiment zou doen met delicate fluorescente moleculaire complexen, bijvoorbeeld, kun je de tijd dat het monster aan licht wordt blootgesteld, verminderen en fotodamage minimaliseren,” zei León-Montiel.

Een ander gebied dat baat zal hebben bij deze technologie is cryptografie, waar vaak miljoenen metingen nodig zijn om sleutels te genereren om berichten of e-mails te versleutelen.

“We konden de generatie van quantum-sleutels voor versleuteling versnellen met behulp van een soortgelijk neuron,” zei Magana-Loaiza.

Laserlicht, dat belangrijk is in remote sensing, kan ook profiteren. Een nieuwe familie van slimme lidarsystemen kan worden ontwikkeld, die in staat zijn om onderschepte of gewijzigde gegevens te identificeren die van een afgelegen object worden weerkaatst. Lidar is een remote sensing-methode die een doelwit verlicht met laserlicht en vervolgens het gereflecteerde licht meet met een sensor om de afstand tot een doelwit te meten.

“De kans op storing van een slim quantum-lidarsysteem zal dramatisch worden verlaagd met onze technologie,” zei Magana-Loaiza. Bovendien zal de mogelijkheid om lidar-fotonen te onderscheiden van omgevingslicht, zoals zonlicht, belangrijke implicaties hebben voor remote sensing op lage lichtniveaus.