Ninguna imagen es infinita nítida. Durante 150 años, se ha aprendido que, independientemente de la facilidad con el microscopio o la cámara, siempre hay límites de resolución básicos que no se pueden exceder en principio. La posición particular nunca se puede medir en salud ilimitada. Una cierta cantidad de desvanecimiento es inevitable. Esta extensión no es el resultado de debilidades técnicas, sino de las propiedades físicas de la luz y la transferencia de autoinformación.
La Universidad de Glasgow y la Universidad de Greenobel plantearon la pregunta: ¿Dónde es el límite de precisión que es posible de manera óptica? ¿Y cómo se puede alcanzar este límite lo más cerca posible? Y, de hecho, el equipo internacional logró explicar un límite más bajo para la salud teóricamente calificada y el desarrollo de algoritmos de IA para las redes neurológicas, que están muy cerca de este límite después del entrenamiento adecuado. Esta estrategia ahora está lista para trabajar en el método de imagen, como el utilizado en la medicina.
Un rango de precisión de precisión
“Imaginemos que estamos mirando una pequeña cosa detrás de la sartén irregular y nublada”, dice Stephen Roter, profesor del Instituto de Física Teórica en el Toan. “No solo vemos una imagen de este elemento, sino una muestra de una luz compleja que contiene muchos parches de luz claros y oscuros. Ahora la pregunta es: ¿cuánto podemos suponer dónde se basa este icono este elemento y dónde está el límite absoluto para esta salud?”
Tales escenarios son importantes en bioquímicos o imágenes médicas, por ejemplo. Cuando la luz está dispersa con tejido biológico, parece que se pierde información sobre la estructura del tejido profundo. Pero, ¿cuántas información se puede recuperar en principio? Esta pregunta no es solo de la naturaleza técnica, sino que la física misma establece los límites básicos aquí.
La respuesta a esta pregunta ha sido proporcionada por un movimiento teórico: el SO Información de Fisher. El movimiento establece cuántas información sobre un parámetro desconocido contiene la señal óptica, como la posición del objeto. Si la información de Fisher es baja, la determinación exacta ya no es posible, independientemente de cómo se analice una señal sofisticada. Basado en este concepto de información de Fisher, el equipo logró calcular los límites superiores de la salud teóricamente calificada en varias escenas experimentales.
Las redes nerviosas aprenden de los patrones de luz del caos
Cuando el equipo proporcionaba información teórica en el Toan, Doren Bochet, de la Universidad de Greenobel (F), se desarrolló con Elias Stearshinov y Daniel Ficio de la Universidad de Glasgow (Reino Unido). En este experimento, se dirigió un haz láser sobre un elemento pequeño y reflectante que se encuentra detrás de un líquido de tierra, de modo que las imágenes grabadas mostraban solo muestras de luz altamente distorsionadas. Los términos de las mediciones varían en términos de suciedad y, por lo tanto, son difíciles de obtener la información de posición correcta de la señal.
“Según el ojo humano, estas imágenes parecen patrones aleatorios”, dice uno de los autores del estudio. “Pero si alimentamos tales imágenes, con una posición de objeto bien conocida, en la red nerviosa, la red puede aprender qué muestras están asociadas con qué posiciones están asociadas”. Después de un entrenamiento considerable, la red, a pesar de los nuevos patrones desconocidos, pudo determinar la posición del objeto muy claramente.
Casi en el límite físico
Particularmente notable: la predicción de la predicción fue la más mala y más mala, que se calculó utilizando la información de Fisher. “Esto significa que nuestro algoritmo apoyado por IA no solo es efectivo, sino casi el más bueno”, dice Stephen Router. “Recibe casi casi, lo cual está permitido por las leyes de física”.
Se encuentran las consecuencias de largo alcance de este sentimiento: con la ayuda del algoritmo inteligente, las mediciones ópticas pueden mejorarse significativamente en las áreas, desde el diagnóstico médico hasta la investigación de materiales y la tecnología cuántica. En planes futuros, el equipo de investigación quiere trabajar con socios de física y medicina aplicadas para investigar cómo estos métodos asistidos por IA pueden usarse en sistemas específicos.
