人工智能算法逼近光學(xué)測量精度的理論極限
沒有任何圖像能絕對清晰。150年來學(xué)界已形成共識：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。 6}Ci>_i4#
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)到的絕對精度極限在哪里？如何能盡可能接近這一極限？ F_{Y o?_
這個國際團(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)成像等場景，相關(guān)成果發(fā)表在《自然·光子學(xué)》期刊上。 _9Te!gJ4_#
[attachment=132606] 04P}-L,
實(shí)驗(yàn)原理 s8t;.^1}
精度存在絕對極限 CxW >~O:
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：基于這種圖像推測物體實(shí)際位置的精度極限究竟是多少？" j-}O0~Jz
7# Kn8s
這類場景在生物物理學(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，深層組織結(jié)構(gòu)的信息似乎會丟失。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。 "e>;' %W
O;jrCB
"Fisher信息量"這一理論度量給出了答案——它描述光學(xué)信號攜帶多少關(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)計算出不同實(shí)驗(yàn)場景下理論精度的上限值。 `e&Suyf4B
~4Fvy'
神經(jīng)網(wǎng)絡(luò)解析光斑 !PQ<04jA!
在維也納團(tuán)隊(duì)提供理論支持的同時，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。測量精度隨渾濁度變化——這決定了從信號中獲取位置信息的難度。 +lcb i
0znR0%~
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)即使面對全新未知圖案也能精確定位物體。 Js?]$V"
MH\dC9%p
無限逼近物理極限 16(
固镇县|
德州市|
石门县|
肥城市|
涞源县|
婺源县|
台东县|
奉贤区|
霍城县|
突泉县|
浠水县|
广昌县|
黔南|
阳山县|
噶尔县|
新野县|
修武县|
宣汉县|
淮南市|
琼结县|
乾安县|
忻州市|
云龙县|
海丰县|
全南县|
东兰县|
兴安盟|
宕昌县|
东乡|
苏尼特左旗|
仪陇县|
古蔺县|
南平市|
延边|
时尚|
涿州市|
林甸县|
静宁县|
东海县|
肇州县|
灵武市|
|