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 vanligvis er nødvendig.

Mange fotontechnologier, inkludert lidar, fjernanalyse og mikroskopi, utvikles delvis ved å identifisere lyskilder. Noen av disse kildene inkluderer sollys, laserstråling og molekylær fluorescens. Å identifisere dem vanligvis krever millioner av målinger, noe som er særlig sant i lavlys-miljøer, noe som gjør det ekstremt vanskelig å implementere kvantefotontechnologier.

Arbeidet ble publisert i Applied Physics Reviews, fra AIP Publishing. Det heter “Identifisering av lyskilder ved hjelp av maskinlæring.”

Kunstig Neuron

Omar Magana-Loaiza er en forfatter av artikkelen.

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

Det kunstige neuronet ble først trent med lyskilder, noe som ledet til at det ble i stand til å 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 redusere antall 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. Foruten å være raskere, kan det også være en reduksjon i lys-skade. For eksempel kan lys-skade begrenses i mikroskopi siden prøven ikke trenger å bli belyst like mye som når mange målinger er nødvendige.

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

“Hvis du gjorde et bilde-eksperiment med ømfølsomme fluorescerende molekylær komplekser, for eksempel, kunne du redusere tiden prøven er eksponert for lys og minimere noen fotodamage,” sa León-Montiel.

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

“Vi kunne akselerere genereringen av kvant-nøkler for kryptering ved hjelp av et lignende neuron,” sa Magana-Loaiza.

Laserlys, som er viktig i fjernanalyse, kunne også dra nytte. En ny familie av smarte lidar-systemer kunne utvikles, i stand til å identifisere fanget eller modifisert data som reflekteres fra et fjernt objekt. Lidar er en fjernanalyse-metode som belyster et mål med laserlys. Den måler deretter det reflekterte lyset med en sensor for å måle avstanden til et mål.

“Sannsynligheten for å forstyrre et smartt kvantelidar-system vil bli dramatisk redusert med vår teknologi,” fortsatte Magana-Loaiza. I tillegg vil muligheten til å skille lidar-fotoner fra miljølys som sollys ha viktige implikasjoner for fjernanalyse på lav-lys-nivåer.