帖子
勛章
關(guān)注
任務(wù)
人工智能將成像推向物理極限的絕對(duì)邊緣 當(dāng)你手中只有一張模糊的圖像時(shí)，你能以多高的精度測(cè)量物體？維也納工業(yè)大學(xué)的研究人員利用人工智能突破了可能性的邊界。任何圖像都無法達(dá)到絕對(duì)清晰。150多年來，科學(xué)家們?cè)缫颜J(rèn)識(shí)到，即使最先進(jìn)的顯微鏡和相機(jī)也無法突破根本的分辨率極限。我們不可能以無限精度確定粒子的確切位置，某種程度的模糊始終存在。這種限制并非源于技術(shù)缺陷，而是源于光的本質(zhì)特性及信息傳遞方式。 為此，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)的研究人員共同探索了一個(gè)根本性問題：光學(xué)技術(shù)所能達(dá)到的終極精度究竟是多少？我們能否無限接近這個(gè)理論極限？這支國(guó)際團(tuán)隊(duì)不僅從理論上定義了可實(shí)現(xiàn)的最低精度極限，更開發(fā)出基于神經(jīng)網(wǎng)絡(luò)的人工智能系統(tǒng)——經(jīng)過充分訓(xùn)練后，該系統(tǒng)表現(xiàn)出的精度已無限接近理論極限。目前該方法正被應(yīng)用于成像技術(shù)的實(shí)踐領(lǐng)域，包括醫(yī)療診斷設(shè)備。  一個(gè)球體（頂部）被放置在云狀玻璃板（中央）上方，其發(fā)出的光線在屏幕（底部）上形成復(fù)雜圖案。通過人工智能分析圖像數(shù)據(jù)可以確定球體的位置，其定位精度非常接近本研究得出的終極分辨率極限。 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教授解釋道："假設(shè)我們正透過不規(guī)則毛玻璃觀察一個(gè)小物體，我們看到的不僅是物體影像，更是由明暗光斑組成的復(fù)雜光紋。問題在于：基于這種圖像，我們估算物體實(shí)際位置的精度極限究竟是多少？"這種場(chǎng)景在生物物理學(xué)和醫(yī)學(xué)成像領(lǐng)域至關(guān)重要。當(dāng)光線被生物組織散射時(shí)，看似會(huì)丟失深層組織結(jié)構(gòu)信息。但理論上能回收多少信息？這不僅是個(gè)技術(shù)問題，更涉及物理學(xué)設(shè)定的根本限制。 這個(gè)問題的答案由一個(gè)理論度量提供——所謂"費(fèi)希爾信息"。該度量描述了光學(xué)信號(hào)包含多少關(guān)于未知參數(shù)（如物體位置）的信息。如果費(fèi)希爾信息量較低，無論采用多么精密的分析手段都無法實(shí)現(xiàn)精確測(cè)定。基于費(fèi)希爾信息概念，研究團(tuán)隊(duì)成功計(jì)算出不同實(shí)驗(yàn)場(chǎng)景下理論可實(shí)現(xiàn)精度的上限值。 神經(jīng)網(wǎng)絡(luò)從混沌光紋中學(xué)習(xí) 當(dāng)維也納工業(yè)大學(xué)團(tuán)隊(duì)提供理論支持時(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共同設(shè)計(jì)并實(shí)施了對(duì)應(yīng)實(shí)驗(yàn)。實(shí)驗(yàn)中，激光束照射位于混濁液體后的微型反射物體，記錄下的圖像僅呈現(xiàn)高度畸變的光紋。測(cè)量條件隨液體混濁度變化——這意味著從信號(hào)中獲取精確位置信息的難度也在動(dòng)態(tài)變化。 研究作者之一TU Wien表示："這些圖像在人眼看來如同隨機(jī)圖案，但若將大量此類圖像（每張都標(biāo)注已知物體位置）輸入神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)就能學(xué)會(huì)特定圖案與位置的關(guān)聯(lián)。"經(jīng)過充分訓(xùn)練后，即使面對(duì)全新的未知圖案，神經(jīng)網(wǎng)絡(luò)也能非常精確地判定物體位置。 無限接近物理極限 特別值得注意的是：神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的精度僅略低于通過費(fèi)希爾信息計(jì)算的理論最大值。Stefan Rotter強(qiáng)調(diào)："這意味著我們的人工智能算法不僅高效，而且近乎最優(yōu)，它幾乎完全達(dá)到了物理定律允許的精度極限。" 這一認(rèn)識(shí)具有深遠(yuǎn)意義：借助智能算法，光學(xué)測(cè)量方法可在醫(yī)療診斷、材料研究、量子技術(shù)等廣泛領(lǐng)域?qū)崿F(xiàn)顯著提升。研究團(tuán)隊(duì)未來計(jì)劃與應(yīng)用物理學(xué)和醫(yī)學(xué)領(lǐng)域的合作伙伴共同探索這些人工智能方法在具體系統(tǒng)中的實(shí)踐應(yīng)用。 相關(guān)鏈接：https://www.nature.com/articles/s41566-025-01657-6 |
