In un'innovativa svolta tecnologica, gli scienziati hanno applicato l'intelligenza artificiale per migliorare la risoluzione dei dispositivi di imaging delle fotocamere metalliche e inventare nuovi tipi di sistemi di imaging. Questo nuovo metodo integra una tecnologia di apprendimento profondo all'avanguardia per utilizzare immagini di bassa qualità al posto di quelle ad alta defi che possono essere utilizzate, ad esempio, per la microscopia e i dispositivi mobili intelligenti.
Il potenziale dei metalensi liberato
Le metalense, fotocamere ultrasottili che utilizzano nanostrutture per manipolare la luce, potrebbero promettere leggerezza e compattezza. Tuttavia, ottenere le migliori immagini non è un processo facile con questi dispositivi. Il ricercatore principale Ji Chen della Southeast University in Cina dichiara: "La nostra tecnologia consente ai dispositivi basati su metalense di superare gli attuali limiti nella qualità delle immagini", che l'azienda spera di implementaretrondi consumo e in altri campi come la microscopia.
Integrazione dell'intelligenza artificiale per il miglioramento delle immagini.
Optica Publishing Group, gli autori, su Optics Letters, la rivista in cui discutono dell'applicazione di una rete neurale convoluzionale multiscala, la forma di apprendimento profondo da loro impiegata, per aumentare la risoluzione, il contrasto e la distorsione nelle immagini prodotte da un metalens. Una minuscola fotocamera stenopeica, non più grande di 3 cm × 3 cm × 0,5 mm, composta da lenti metalliche integrate in un chip di imaging CMOS, elimina direttamente la necessità di componenti ottici tradizionali.
Leggi anche: La nuova funzionalità AI di Meta
L'approccio di deep learning dei ricercatori prevede l'addestramento della rete neurale con un gigantesco set di dati con coppie di immagini di alta e bassa qualità, in modo che possa distinguere gli elementi dell'immagine e quindi elevare le acquisizioni a bassa risoluzione alla qualità HD dopo l'addestramento. Questa strategia ha ottenuto un miglioramento significativo nelle metriche di qualità dell'immagine, come il rapporto segnale/rumore di picco e l'indice di similarità strutturale, che hanno anche mostrato capacità di elaborazione rapida con la capacità di generare istantaneamente dati di alta qualità.
Direzioni future della fattibilità commerciale.
L'imminente attività di ricerca si concentra sull'ottenimento di metalensi con funzionalità aggiuntive come il colore e l'ampia polarizzazione circolare, ottimizzando e perfezionando al contempo le reti neurali artificiali per migliorare la qualità complessiva delle immagini. Per la realizzazione commerciale di questa tecnologia, è necessario inventare un nuovo metodo di assemblaggio per integrare i metalensi nei moduli delle fotocamere degli smartphone, oltre a un software appositamente progettato per gli smartphone per migliorare la qualità delle immagini.
Ji Chen vede lo sviluppo dell'intelligenza artificiale avanzata come una pietra miliare cruciale nella storia della fotonica, con l'apprendimento automatico che apre la strada al futuro in questo settore. L'innovazione costante e il perfezionamento di metalense ultraleggeri e ultrasottili li renderanno rivoluzionari nelle tecnologie di imaging e rilevamento e preannunciano l'avvento di fotocamere piccole e ad alte prestazioni.
L'idea di integrare l'intelligenza artificiale nella tecnologia dei metalli rappresenta una trasformazione radicale nel mondo dell'imaging. Attraverso l'impiego di tecniche di deep learning, i ricercatori hanno aperto la strada all'imaging ad altadefidei metalli in versioni compatte e leggere, con implicazioni di vasta portata siatrondi consumo che nella ricerca scientifica. Questa complessa integrazione tra intelligenza artificiale e ottica è destinata ad ampliarsi in futuro, con caratteristiche che supereranno qualsiasi immagine nell'imaging e nell'analisi visiva.
