L’intelligenza artificiale utilizzata per identificare le sorgenti luminose con molte meno misure
Un gruppo di ricercatori ha utilizzato l’intelligenza artificiale (AI) per identificare le fonti luminose. Il nuovo metodo richiede un numero di misurazioni drasticamente inferiore a quello che è tradizionalmente richiesto.
Molte tecnologie fotoniche tra cui lidar, telerilevamento e microscopia sono sviluppate in parte identificando le fonti di luce. Alcune di queste fonti includono luce solare, radiazione laser e fluorescenza molecolare. Identificarli normalmente richiede milioni di misurazioni, il che è particolarmente vero in ambienti con scarsa illuminazione, rendendo estremamente difficile implementare tecnologie fotoniche quantistiche.
Il lavoro è stato pubblicato su Applied Physics Review , da AIP Publishing. Si intitola ” Identificazione delle sorgenti luminose mediante l’apprendimento automatico “.
Neurone artificiale
Omar Magana-Loaiza è un autore del documento.
“Abbiamo addestrato un neurone artificiale con le fluttuazioni statistiche che caratterizzano la luce coerente e termica”, ha detto Magana-Loaiza.
Il neurone artificiale è stato inizialmente addestrato con fonti di luce, il che ha portato alla sua capacità di identificare alcune caratteristiche associate a tipi specifici di luce.
Chenglong You è un collega ricercatore e coautore del documento.
“Un singolo neurone è sufficiente per ridurre drasticamente il numero di misurazioni necessarie per identificare una sorgente luminosa da milioni a meno di cento”, ha detto You.
Applicazioni e vantaggi
Poiché sono necessarie così poche misurazioni per identificare le sorgenti luminose, può essere fatto molto più velocemente. Oltre ad essere più veloce, ci può essere una riduzione del danno leggero. Ad esempio, il danno alla luce può essere limitato in microscopia poiché il campione non deve essere illuminato tanto quanto quando sono necessarie molte misurazioni.
Roberto de J. León-Montiel è un altro coautore dell’articolo.
“Se steste facendo un esperimento di imaging con delicati complessi molecolari fluorescenti, ad esempio, potreste ridurre il tempo in cui il campione è esposto alla luce e ridurre al minimo qualsiasi fotomontaggio”, ha affermato León-Montiel.
Un’altra area che trarrà vantaggio da questa tecnologia è la crittografia, in cui milioni di misurazioni sono spesso necessarie per generare chiavi per crittografare messaggi o e-mail.
“Potremmo accelerare la generazione di chiavi quantistiche per la crittografia utilizzando un neurone simile”, ha detto Magana-Loaiza.
Anche la luce laser, importante nel telerilevamento, potrebbe trarne beneficio. Potrebbe essere sviluppata una nuova famiglia di sistemi lidar intelligenti, in grado di identificare i dati intercettati o modificati che vengono riflessi da un oggetto remoto. Lidar è un metodo di telerilevamento che illumina un bersaglio con la luce laser. Quindi misura la luce riflessa con un sensore per misurare la distanza da un bersaglio.
“La probabilità di bloccare un sistema lidar quantistico intelligente sarà drasticamente ridotta con la nostra tecnologia”, ha continuato Magana-Loaiza. Inoltre, la possibilità di discriminare i fotoni lidar dalla luce ambientale come la luce solare avrà importanti implicazioni per il telerilevamento a livelli di scarsa illuminazione.
