Umjetna inteligencija zasnovana na fizici mogla bi poboljšati biomedicinske slike i senzore autonomnih vozila

Istraživački tim predvođen institucijama uključujući University of California, Los Angeles (UCLA) i University of Rochester je otkrio proboj u tehnologiji snimanja koja koristi umjetnu inteligenciju zasnovanu na fizici.

Konkretno, integrira metodu poznatu kao DeepTimeGate, koja se sastoji od dvije različite faze. Prva faza uključuje algoritam obučen za matematičku rekonstrukciju slika iz podataka o raspršenom svjetlu. Druga faza uvodi novi algoritam razvijen na UCLA-u koji primjenjuje fizička ograničenja kako bi se osiguralo da se rekonstruirane slike pridržavaju zakona fizike. Ovaj dvostepeni pristup učinkovito smanjuje vizualne distorzije i povećava jasnoću. U laboratorijskim testovima sustav je pokazao izvanredna poboljšanja u odnosu na trenutne tehnologije.

Kada se primjenjuje na standardne kalibracijske slike zasjenjene složenim medijima, novi sustav postigao je omjer signala i buke više od dvostruko veći od svojih prethodnika. Osim toga, proizveo je slike visoke kvalitete gotovo trenutačno, dovršavajući proces u samo tisućinama sekunde. Ove mogućnosti sugeriraju značajan skok naprijed u aplikacijama za snimanje u realnom vremenu. Tradicionalne metode za snimanje kroz složene medije često se oslanjaju na skupu opremu sposobnu za otkrivanje bliskog infracrvenog svjetla. Međutim, tehnika koju su razvili istraživači sa Sveučilišta u Rochesteru nudi pristupačniju alternativu.

Ovaj algoritam koristi silikonske kamere, slične onima koji se nalaze u potrošačkoj elektronici, u kombinaciji s specijaliziranim filmovima koji filtriraju svjetlost kako bi je učinili vidljivom. Iako ova metoda pruža isplativa rješenja, prethodno je patila od problema poput vinjetiranja, što uzrokuje zatamnjene rupe slike i smanjeno vidno polje, zajedno s neželjenim artefaktima koji se pojavljuju kao svijetle ili tamne točke.

Ova poboljšanja otvaraju brojne mogućnosti, osobito u medicinskim područjima gdje je neinvazivno snimanje ključno. Na primjer, kirurzi bi mogli imati koristi od preciznijeg intraoperativnog vodstva, osobito tijekom minimalno invazivnih postupaka. Slično tome, laboratoriji koji analiziraju biološke uzorke u neprozirnim okruženjima mogli bi iskoristiti ovu tehnologiju bez potrebe za koracima pripreme uzorka koji mijenjaju integritet uzoraka.

Proizvodni sektori također bi mogli naći vrijednost u primjeni ove tehnologije za inspekciju proizvoda u izazovnim okruženjima, kao što je procjena kvalitete predmeta potopljenih u oblačnim tekućinama ili omotanim u zamrznutom materijalu.