人工智能將成像推向物理極限的絕對邊緣
當(dāng)你手中只有一張模糊的圖像時，你能以多高的精度測量物體？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。任何圖像都無法達到絕對清晰。150多年來，科學(xué)家們早已認識到，即使最先進的顯微鏡和相機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。 L
9cXgd
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根本性問題：光學(xué)技術(shù)所能達到的終極精度究竟是多少？我們能否無限接近這個理論極限？這支國際團隊不僅從理論上定義了可實現(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)的實踐領(lǐng)域，包括醫(yī)療診斷設(shè)備。 `0q=Z],
[attachment=133318] 5^ ubX A
一個球體（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。 TPKD'@:x
精度存在絕對極限 uocFOlU0n
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，我們估算物體實際位置的精度極限究竟是多少？"這種場景在生物物理學(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，看似會丟失深層組織結(jié)構(gòu)信息。但理論上能回收多少信息？這不僅是個技術(shù)問題，更涉及物理學(xué)設(shè)定的根本限制。 :1g pbfW
這個問題的答案由一個理論度量提供——所謂"費希爾信息"。該度量描述了光學(xué)信號包含多少關(guān)于未知參數(shù)（如物體位置）的信息。如果費希爾信息量較低，無論采用多么精密的分析手段都無法實現(xiàn)精確測定。基于費希爾信息概念，研究團隊成功計算出不同實驗場景下理論可實現(xiàn)精度的上限值。 #(+V&< K
神經(jīng)網(wǎng)絡(luò)從混沌光紋中學(xué)習(xí) seP h%Sa_
當(dāng)維也納工業(yè)大學(xué)團隊提供理論支持時，格勒諾布爾大學(xué)的Dorian Bouchet與格拉斯哥大學(xué)的Ilya Starshynov、Daniele Faccio共同設(shè)計并實施了對應(yīng)實驗。實驗中，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。測量條件隨液體混濁度變化——這意味著從信號中獲取精確位置信息的難度也在動態(tài)變化。 JlRNJ#h >
研究作者之一TU Wien表示："這些圖像在人眼看來如同隨機圖案，但若將大量此類圖像（每張都標注已知物體位置）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。 "<)Jso|
無限接近物理極限 }rs>B,=*k
特別值得注意的是：神經(jīng)網(wǎng)絡(luò)預(yù)測的精度僅略低于通過費希爾信息計算的理論最大值。Stefan Rotter強調(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)，它幾乎完全達到了物理定律允許的精度極限。" U^)`_\/;?
這一認識具有深遠意義：借助智能算法，光學(xué)測量方法可在醫(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。研究團隊未來計劃與應(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)中的實踐應(yīng)用。 :+
1Wmg
相關(guān)鏈接：https://www.nature.com/articles/s41566-025-01657-6
|