هوش مصنوعی همراه با دستگاه نوری کوچک، نور تحریف شده را برای تصویربرداری واضحتر اصلاح میکند
نور تار ناشی از نقص لنز، در همه جا، از میکروسکوپها گرفته تا تلسکوپها و دوربینهای گوشیهای هوشمند، یک مشکل است. مهندسان دانشگاه کالیفرنیا، سن دیگو، با استفاده از یک عنصر نوری کوچک اما با دقت مهندسی شده و هوش مصنوعی، راهی برای تشخیص و اصلاح این تغییرات از یک تصویر واحد ساختهاند، گامی که میتواند سیستمهای نوری پیشرفته را سریعتر، کوچکتر و آسانتر کند.
عبدالله ندائو، نویسنده ارشد و عضو هیئت علمی مهندسی برق و کامپیوتر در دانشکده مهندسی جیکوبز و وابسته به موسسه کوالکام در دانشگاه کالیفرنیا، سن دیگو، گفت: «ما از ترکیبی از فیزیک بنیادی، نانوساخت و یادگیری ماشینی استفاده کردیم تا تشخیص و اصلاح تغییرات پنهان را آسانتر کنیم.»
او ادامه داد: «راهکار سریع و قوی ما کوچک و به راحتی در سیستمهای نوری مختلف ادغام میشود. وزن آن تقریباً صفر است، زیرا اندازه نمونه میتواند یک در یک سانتیمتر و ضخامت آن نیم میلیمتر باشد.»
این اثر که نویسندگان اول آن سینا موید بهارلو (همچنین از دانشگاه بوستون) و محمد ولید خالد، دانشجویان دکترای مهندسی برق و کامپیوتر دانشگاه کالیفرنیا، سن دیگو بودند، در ۱۲ مه ۲۰۲۶ در مجله Nature Communications منتشر شد.
مقیاسپذیر و کاربردی
اکثر روشهای فعلی برای اصلاح نقصهای کوچک که میتوانند نور را منحرف کرده و کیفیت تصویر را کاهش دهند، نیاز به چندین اندازهگیری، سختافزار اضافی یا محاسبات مکرر برای فهمیدن علت مشکل دارند. این امر میتواند سیستمها را حجیمتر، کندتر و ادغام آنها را در دستگاههای جمعوجور دشوارتر کند.
برای مقابله با این مشکل، تیم دانشگاه کالیفرنیا، سن دیگو، یک عنصر نوری طراحی شده با هوش مصنوعی را با یک سیستم تجزیه و تحلیل مبتنی بر هوش مصنوعی جفت کرد.
این دو عنصر با هم، به هر اعوجاج نوری یک امضای تصویر منحصر به فرد میدهند و به یک شبکه عصبی عمیق، یک مدل یادگیری ماشینی الهام گرفته از مغز انسان، اجازه میدهند اعوجاجها را از یک تصویر واحد از الگوی نور بخواند و به سیستم بگوید که چگونه آنها را اصلاح کند.
هنگامی که محققان تشخیص دادند که این رویکرد میتواند در یک طول موج کار کند، قابلیتهای دستگاه را گسترش دادند تا اینکه در شرایط پر سر و صدا دوام آورد و شکلهای پیچیده پرتو را مدیریت کرد.
و این تیم فقط کار را شبیهسازی نکرد. محققان با استفاده از امکانات اتاق تمیز Nano3 موسسه کوالکام دانشگاه کالیفرنیا، سن دیگو، برای ایجاد دستگاه نوری و سطوح مختلف، اجزای نوری کلیدی را ساختند و این رویکرد را به صورت تجربی در طیف وسیعی از شرایط آزمایش کردند.
نویسندگان خاطرنشان میکنند که این مقاله، پایهای مقیاسپذیر و کاربردی برای اصلاح انحراف در زمان واقعی برای سیستمهای نوری و فوتونی نسل بعدی ایجاد میکند.
این رویکرد (در انتظار ثبت اختراع) میتواند سختافزار نوری مورد استفاده در زمینههایی از جمله زیستشناسی، نجوم و تولید دقیق را بهبود بخشد.
علاوه بر Ndao، Baharlou و Khalid، مقاله “یک رویکرد یادگیری عمیق ترکیبی سرتاسری برای سنجش و اصلاح جبهه موج تکشات” توسط Guli Gulinihali، Jeongho Ha، Liyi Hsu و Yeshaiahu Fainman از دانشگاه کالیفرنیا، سن دیگو (مهندسی برق و کامپیوتر)، Samantha C. Lewis از دانشگاه کالیفرنیا، برکلی، و Lei Tian و Alexander V. Sergienko از دانشگاه بوستون نوشته شده است.
لینک مفید:چگونه هوش مصنوعی می تواند درمان شخصی برای سرطان را ارائه دهد
بیشتر بدانید:پیشرفت مواد، تحقق فناوری هوش مصنوعی را تسریع میکند
بیشتر بخوانید:گونه هوش مصنوعی از توسعه فناوری نانو پشتیبانی میکند
تاریخ:1405/4/1
مهسا نعمتی
