Fizik tabanlı yapay zeka, biyomedikal görüntülemeyi ve otonom araç sensörlerini geliştirebilir

UCLA ve Rochester Üniversitesi liderliğindeki bir araştırma ekibi, vücut dokusu içindeki yapıları tasvir etmekten yoğun sisteki engelleri görmeye kadar ışığı dağıtan “karmaşık ortam” içindeki ayrıntıları yakalamak için tasarlanmış bir görüntüleme sisteminin umut verici bir evrimini ortaya koydu. Sistem, mevcut bir görüntüleme tekniğini geliştirmek için fizik tabanlı makine öğrenimini kullanıyor.

Karmaşık ortam tarafından gizlenen standart kalibrasyon görüntüleri ile yapılan testlerde, yeni sistem, önceki nesil teknolojiyle karşılaştırıldığında sinyal-gürültü oranını iki katından fazla artırdı. Sistem ayrıca saniyenin binde biri kadar gerçek zamanlı görüntüler de oluşturdu. Bulgular dergide yayınlandı Işık: Bilim ve Uygulamalar.

Daha ucuz kameralar, daha zorlu koşullar

Günümüzde karmaşık ortamların içini görmeye yönelik geleneksel uygulamalar, görünür ışık sınırının hemen ötesini, yakın kızılötesini algılayan pahalı kameralara bağlıdır.

Buna karşılık, araştırmacıların geliştirdiği temel yöntem, akıllı telefonlarda bulunanlar gibi nispeten ucuz silikon bazlı kameraları kullanabilir. Rochester Üniversitesi’nden çalışmanın ortak yazarları tarafından 10 yıl önce tanıtılan teknik, dağınık ışığı yakın kızılötesinden görünür aralığa dönüştürmek için bazı fotonların geçmesine izin veren ve diğerlerinin geçmemesine izin veren özel bir filme dayanıyor.

Ancak bu yöntem, görüntünün kenarlarını koyulaştıran ve görüş alanını azaltan kenar ayrıntısı etkisi yaratan gölgeler üretme eğilimindedir. Görüntüler aynı zamanda daha açık veya daha koyu lekeler halinde yapay yapılar da içerebilir.

Yeniden yapılanma üzerine bir fizik kontrolü

Araştırmacılar mevcut görüntüleme tekniğini DeepTimeGate adı verilen bir makine öğrenme çerçevesiyle birleştirdi. Görüntüleri matematiksel olarak yeniden oluşturmak için eğitilmiş bir algoritmayla başlayan iki aşaması vardır. En önemli ekleme, UCLA’da geliştirilen, hızlı bir şekilde gerçeklik kontrolü gerçekleştiren ve sonuçları temel fizik kurallarına göre kısıtlayan ikinci algoritmadır.

Silikon bazlı kameralar kullanarak karmaşık ortamların içini neredeyse gerçek zamanlı olarak algılamak, biyomedikal görüntüleme için bir nimet olacaktır. DeepTimeGate, endoskopik prosedürler de dahil olmak üzere ameliyatlara rehberlik edecek daha ucuz, daha etkili görüntülemeye yol açabilir. Kan gibi bulanık sıvılarda tehlikeli mikropları veya anormal hücreleri test eden laboratuvarlar, örnekleri seyreltmeden veya filtrelemeden analiz etmek için böyle bir teknoloji kullanabilir.

Diğer bir potansiyel uygulama ise sürücüsüz araçların yağmur, sis, toz veya kumdan oluşan çevrelerini algılamasına yönelik kameralardır. Endüstride, görüntüleme sistemi bir gün bulanık sıvılar veya buzlu ambalajlar içeren imalatlarda ve atık giderme tesislerinde kalite kontrolüne yardımcı olabilir.