Нейросеть глубокого обучения восстанавливает голограммы

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.

Комментирование и размещение ссылок запрещено.

Комментарии закрыты.