Konstgjord intelligens används för att identifiera ljuskällor med betydligt färre mätningar

En grupp forskare har använt konstgjord intelligens (AI) för att identifiera ljuskällor. Den nya metoden kräver betydligt färre mätningar än vad som traditionellt krävs.

Många fotoniska tekniker, inklusive lidar, fjärranalys och mikroskopi, utvecklas delvis genom att identifiera ljuskällor. Några av dessa källor inkluderar solljus, laserstrålning och molekylärt fluorescens. Att identifiera dem kräver vanligtvis miljontals mätningar, vilket är särskilt sant i lågljusmiljöer, vilket gör det extremt svårt att implementera kvantfotoniska tekniker.

Arbetet publicerades i Applied Physics Reviews, från AIP Publishing. Det heter “Identifiering av ljuskällor med hjälp av maskinlärning.”

Konstgjord neuron

Omar Magana-Loaiza är en författare till artikeln.

“Vi tränade en konstgjord neuron med de statistiska fluktuationerna som kännetecknar koherent och termiskt ljus”, sa Magana-Loaiza.

Den konstgjorda neuronen tränades först med ljuskällor, vilket ledde till att den kunde identifiera vissa egenskaper som är associerade med specifika typer av ljus.

Chenglong You är en medforskare och medförfattare till artikeln.

“En enda neuron räcker för att dramatiskt minska antalet mätningar som behövs för att identifiera en ljuskälla från miljontals till mindre än hundra”, sa You.

Tillämpningar och fördelar

Eftersom det krävs så mycket färre mätningar för att identifiera ljuskällor, kan det göras mycket snabbare. Utöver att vara snabbare kan det också finnas en minskning av ljusskador. Till exempel kan ljusskador begränsas i mikroskopi eftersom provet inte behöver belysas lika mycket som när många mätningar krävs.

Roberto de J. León-Montiel är en annan medförfattare till artikeln.

“Om du gjorde ett bildexperiment med känsliga fluorescerande molekylära komplex, till exempel, kunde du minska den tid provet utsätts för ljus och minimera eventuell fotodamage”, sa León-Montiel.

Ett annat område som kommer att dra nytta av denna teknik är kryptografi, där miljontals mätningar ofta krävs för att generera nycklar för att krypterameddelanden eller e-post.

“Vi kunde påskynda genereringen av kvantnycklar för kryptering med hjälp av en liknande neuron”, sa Magana-Loaiza.

Laserljus, som är viktigt för fjärranalys, kan också dra nytta. En ny familj av smarta lidarsystem kan utvecklas, som kan identifiera avlyssnade eller modifierade data som reflekteras från ett avlägset objekt. Lidar är en fjärranalysmetod som belyser ett mål med laserljus och mäter sedan det reflekterade ljuset med en sensor för att mäta avståndet till målet.

“Sannolikheten för att störa ett smartt kvantlidarsystem kommer att minska dramatiskt med vår teknik”, fortsatte Magana-Loaiza. Dessutom kommer möjligheten att skilja lidar-fotoner från omgivande ljus, såsom solljus, att ha viktiga konsekvenser för fjärranalys i låg ljusnivåer.