Пoдлинный рeнeссaнс испытaнный тexнoлoгиями глубoкoгo oбучeния и мнoгoурoвнeвыx нeйрoсeтeй в это десятилетие обернулся прорывом сразу в нескольких направлениях, в том числе в распознавании речи и переводе в реальном времени и контекстном анализе изображений/видео.
Одним из новых и неожиданных приложений быстро прогрессирующего искусственного интеллекта стало использование его в качестве альтернативы аналитическим расчётам. В целом ряде случаев находить ответы тренированной нейросетью оказывается быстрее и выгоднее, чем рассчитывать их по формулам.
Мы недавно уже писали об успешных опытах 3D-реконструкции лица по одному фотоснимку с помощью ИИ, теперь же исследователи из Калифорнийского университета (UCLA) продемонстрировали, что нейросеть можно обучить восстанавливать утерянную при записи фазовую информацию и строить голографические изображения микроскопических объектов.
В статье для журнала Light: Science & Applications они показали, что такой подход не только значительно ускоряет создание изображения по одиночной голограмме, но и улучшает его качество, а кроме того сокращает нужное количество измерений.
После тренировки нейронная сеть научилось извлекать пространственные особенности истинного изображения объекта и отделять их от нежелательных световых помех и связанных с этим артефактов. Как указывают авторы, особенно примечательно, что восстановление голограммы на основе глубокого обучения достигалось без какого-либо моделирования взаимодействия света и материи или решения волнового уравнения.
Разработанная в UCLA методология открывает море возможностей использования глубокого обучения для проектирования принципиально новых систем когерентной визуализации в различных областях электромагнитного спектра – от видимого света до рентгеновских лучей.
