人工智能用于识别光源，所需测量量大大减少

一组研究人员使用人工智能（AI）来识别光源。这种新方法所需的测量量比传统方法大大减少。

许多光子技术，包括激光雷达、遥感和显微镜，都是通过识别光源来开发的。这些光源包括阳光、激光辐射和分子荧光。通常，识别这些光源需要数百万次测量，尤其是在低光环境中，这使得实现量子光子技术变得极其困难。

这项工作发表在应用物理评论上，由AIP Publishing出版。其标题为“使用机器学习识别光源”。

人工神经元

奥马尔·马加纳-洛艾萨（Omar Magana-Loaiza）是本文的作者。

“我们使用人工神经元训练了统计波动，这些波动是相干光和热光的特征，”马加纳-洛艾萨说。

人工神经元首先被训练以识别光源，这使得它能够识别出与特定类型光相关的特定特征。

程龙攸（Chenglong You）是另一位研究人员，也是本文的共同作者。

“单个神经元就足以大大减少识别光源所需的测量量，从数百万减少到不到一百，”程龙攸说。

应用和益处

由于识别光源所需的测量量大大减少，因此可以更快地完成。除了速度更快外，还可以减少光损伤。例如，在显微镜中，可以通过减少对样本的照明量来限制光损伤，因为不需要进行大量的测量。

罗伯托·德·J·莱昂-蒙蒂埃尔（Roberto de J. León-Montiel）是本文的另一位共同作者。

“如果您正在进行一个涉及易碎的荧光分子复合物的成像实验，例如，您可以减少样本暴露在光下的时间并最小化任何光损伤，”莱昂-蒙蒂埃尔说。

另一领域将从这项技术中受益的是密码学，通常需要数百万次测量来生成加密消息或电子邮件的密钥。

“我们可以使用类似的神经元来加速量子密钥的生成以用于加密，”马加纳-洛艾萨说。

激光光，在遥感中非常重要，也可以从中受益。可以开发出一系列新的智能激光雷达系统，能够识别被远程对象拦截或修改的数据。激光雷达是一种遥感方法，通过用激光光照亮目标，然后用传感器测量反射光来测量到目标的距离。

“使用我们的技术，智能量子激光雷达系统被干扰的概率将大大降低，”马加纳-洛艾萨继续说。另外，区分激光雷达光子和环境光（如阳光）的可能性将对低光照下的遥感产生重要影响。