沒有任何圖像能絕對(duì)清晰。150年來學(xué)界已形成共識(shí)：無論顯微鏡或相機(jī)的構(gòu)造如何精妙，其分辨率始終存在無法突破的根本性極限。粒子的位置永遠(yuǎn)無法被無限精確測(cè)定，某種程度的模糊不可避免。這種限制并非源于技術(shù)缺陷，而是由光的物理特性及信息傳遞本質(zhì)所決定。

因此，維也納工業(yè)大學(xué)、格拉斯哥大學(xué)和格勒諾布爾大學(xué)提出疑問：光學(xué)方法所能達(dá)到的絕對(duì)精度極限在哪里？如何能盡可能接近這一極限？

這個(gè)國(guó)際團(tuán)隊(duì)成功界定了理論上可達(dá)到精度的最低極限，并為神經(jīng)網(wǎng)絡(luò)開發(fā)出經(jīng)適當(dāng)訓(xùn)練后能無限接近該極限的人工智能算法。該策略將被應(yīng)用于醫(yī)學(xué)成像等場(chǎng)景，相關(guān)成果發(fā)表在《自然·光子學(xué)》期刊上。

圖片:搜狗截圖20250604102846.png

實(shí)驗(yàn)原理

精度存在絕對(duì)極限

維也納工業(yè)大學(xué)理論物理研究所的Stefan Rotter教授解釋："設(shè)想我們透過不規(guī)則的有紋路的磨砂玻璃觀察后方的小物體。看到的不僅是物體影像，還有由明暗相間光斑構(gòu)成的復(fù)雜光紋。問題在于：基于這種圖像推測(cè)物體實(shí)際位置的精度極限究竟是多少？"

這類場(chǎng)景在生物物理學(xué)和醫(yī)學(xué)成像中至關(guān)重要。例如當(dāng)光線被生物組織散射時(shí)，深層組織結(jié)構(gòu)的信息似乎會(huì)丟失。但理論上能恢復(fù)多少信息？這不僅涉及技術(shù)層面，物理學(xué)本身在此設(shè)定了根本性限制。

"Fisher信息量"這一理論度量給出了答案——它描述光學(xué)信號(hào)攜帶多少關(guān)于未知參數(shù)（如物體位置）的信息。若該數(shù)值偏低，則無論采用多精密的信號(hào)分析手段都無法實(shí)現(xiàn)精確定位。基于此概念，研究團(tuán)隊(duì)計(jì)算出不同實(shí)驗(yàn)場(chǎng)景下理論精度的上限值。

神經(jīng)網(wǎng)絡(luò)解析光斑

在維也納團(tuán)隊(duì)提供理論支持的同時(shí)，格勒諾布爾大學(xué)的Dorian Bouchet與格拉斯哥大學(xué)的Ilya Starshynov、Daniele Faccio合作設(shè)計(jì)并實(shí)施了實(shí)驗(yàn)：將激光束射向渾濁液體后方的小型反光物體，記錄下的圖像僅呈現(xiàn)高度失真的光斑。測(cè)量精度隨渾濁度變化——這決定了從信號(hào)中獲取位置信息的難度。

論文作者之一Maximilian Weimar表示："這些圖像在人眼看來如同隨機(jī)圖案。但若向神經(jīng)網(wǎng)絡(luò)輸入大量已知物體位置的此類圖像，它就能學(xué)習(xí)圖案與位置的關(guān)聯(lián)規(guī)律。"充分訓(xùn)練后，該網(wǎng)絡(luò)即使面對(duì)全新未知圖案也能精確定位物體。

無限逼近物理極限

研究發(fā)現(xiàn)，神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)精度僅略低于費(fèi)舍爾信息量計(jì)算的理論最大值。Stefan Rotter教授指出："這表明我們的人工智能算法不僅高效，而且趨近最優(yōu)——它幾乎達(dá)到了物理學(xué)定律允許的極限精度。"

這一認(rèn)知影響深遠(yuǎn)：借助智能算法，光學(xué)測(cè)量方法將在醫(yī)學(xué)診斷、材料研究及量子技術(shù)等領(lǐng)域獲得顯著提升。研究團(tuán)隊(duì)未來計(jì)劃與應(yīng)用物理及醫(yī)學(xué)領(lǐng)域的合作伙伴共同探索如何將這些人工智能技術(shù)應(yīng)用于具體場(chǎng)景。

相關(guān)鏈接：https://dx.doi.org/10.1038/s41566-025-01657-6