Kunstig intelligens brukes til å identifisere lyskilder med langt færre målinger

En gruppe forskere har brukt kunstig intelligens (AI) for å identifisere lyskilder. Den nye metoden krever dramatisk færre målinger enn hva som tradisjonelt kreves.

Mange fotonteknologier, inkludert lidar, fjernmåling og mikroskopi, utvikles delvis ved å identifisere lyskilder. Noen av disse kildene inkluderer sollys, laserstråling og molekylær fluorescens. Identifisering av disse kildene krever normalt millioner av målinger, noe som er særlig sant i lavlys-miljøer, og gjør det ekstremt vanskelig å implementere kvantefotonteknologier.

Arbeidet ble publisert i Applied Physics Reviews, fra AIP Publishing. Det heter “Identification of light sources using machine learning.”

Kunstig neuron

Omar Magana-Loaiza er en av forfatterne av artikkelen.

“Vi trente et kunstig neuron med statistiske fluktuasjoner som karakteriserer kohrent og termisk lys,” sa Magana-Loaiza.

Det kunstige neuronet ble først trenet med lyskilder, noe som resulterte i at det kunne identifisere bestemte trekk som er forbundet med bestemte typer lys.

Chenglong You er en medforsker og medforfatter av artikkelen.

“Et enkelt neuron er nok til å dramatisk reducere antallet målinger som trengs for å identifisere en lyskilde fra millioner til mindre enn hundre,” sa You.

Anvendelser og fordeler

Fordi det kreves så mye færre målinger for å identifisere lyskilder, kan det gjøres mye raskere. I tillegg til å være raskere, kan det også redusere lyskader. For eksempel kan lyskader begrenses i mikroskopi siden prøven ikke trenger å bli belyst like mye som når mange målinger kreves.

Roberto de J. León-Montiel er en annen medforfatter av artikkelen.

“Hvis du utførte et bildeeksperiment med ømfintlige fluorescerende molekylkomplekser, for eksempel, kunne du redusere tiden prøven er utsatt for lys og minimere fotodamage,” sa León-Montiel.

Et annet område som vil dra nytte av denne teknologien er kryptografi, hvor millioner av målinger ofte kreves for å generere nøkler for å kryptere meldinger eller e-post.

“Vi kunne akselerere genereringen av kvantenøkler for kryptering ved å bruke et lignende neuron,” sa Magana-Loaiza.

Laserlys, som er viktig i fjernmåling, kunne også dra nytte. En ny familie av smarte lidarsystemer kunne utvikles, i stand til å identifisere fanget eller modifisert data som reflekteres fra et fjernobjekt. Lidar er en fjernmålingsmetode som belyrter et mål med laserlys og måler det reflekterte lyset med en sensor for å måle avstanden til målet.

“Sannsynligheten for å jamme et smart kvantelidar-system vil bli dramatisk redusert med vår teknologi,” fortsatte Magana-Loaiza. I tillegg vil muligheten til å diskriminere lidar-fotoner fra miljølys som sollys ha viktige implikasjoner for fjernmåling ved lav lysnivå.