211service.com
Das Unsichtbare sichtbar machen
Mit freundlicher Genehmigung der Forscher
Kleine Unebenheiten in einem Weinglas oder winzige Falten in einer Kontaktlinse können schwierig zu erkennen sein, selbst bei gutem Licht. Aber MIT-Ingenieure haben eine maschinelle Lerntechnik entwickelt, die diese unsichtbaren Merkmale und Objekte im Dunkeln aufdecken kann.
Der Schlüssel war ein neuronales Netzwerk, eine Art Software, die darauf trainiert werden kann, bestimmte Eingaben mit bestimmten Ausgaben zu verknüpfen – in diesem Fall dunkle, körnige Bilder von transparenten Objekten und den Objekten selbst.
Das Team fütterte das Netzwerk mit extrem körnigen Bildern von mehr als 10.000 transparenten Ätzmustern von integrierten Schaltkreisen. Die Bilder wurden bei sehr schwachen Lichtverhältnissen mit etwa einem Photon pro Pixel aufgenommen – weit weniger Licht, als eine Kamera in einem dunklen, geschlossenen Raum registrieren würde. Dann zeigten sie dem neuronalen Netzwerk ein neues körniges Bild, das nicht in den Trainingsdaten enthalten war, und stellten fest, dass es in der Lage war, das transparente Objekt zu rekonstruieren, das die Dunkelheit verdeckt hatte.
Die Forscher stellten ihre Kamera so ein, dass sie leicht unscharfe Bilder aufnimmt, was in Form von Wellen im detektierten Licht Hinweise darauf gibt, dass möglicherweise ein transparentes Objekt vorhanden ist.
Die Defokussierung erzeugt jedoch auch Unschärfe, die die Berechnungen eines neuronalen Netzwerks verfälschen kann. Um ein schärferes und genaueres Bild zu erzeugen, haben die Forscher ein physikalisches Gesetz in das neuronale Netzwerk eingebaut, das beschreibt, wie Licht einen Unschärfeeffekt erzeugt, wenn eine Kamera defokussiert wird.
Das Team wiederholte seine Experimente mit weiteren 10.000 Bildern von allgemeineren und vielfältigeren Objekten, darunter Menschen, Orte und Tiere. Auch hier war das neuronale Netzwerk mit dem eingebetteten Physikalgorithmus in der Lage, ein im Dunkeln aufgenommenes Bild einer transparenten Radierung neu zu erstellen.
Die Ergebnisse zeigen, dass neuronale Netze verwendet werden können, um transparente Merkmale wie biologische Gewebe und Zellen in Bildern zu beleuchten, die mit sehr wenig Licht aufgenommen wurden.
Wenn man biologische Zellen mit Licht bestrahlt, verbrennt man sie, und es bleibt nichts mehr übrig, was man sich vorstellen könnte, sagt George Barbastathis, Professor für Maschinenbau. Wenn Sie einen Patienten Röntgenstrahlen aussetzen, erhöhen Sie die Gefahr, dass er an Krebs erkrankt.
Was wir hier tun [bedeutet], dass Sie die gleiche Bildqualität erhalten, aber mit einer geringeren Belastung für den Patienten. Und in der Biologie können Sie den Schaden an biologischen Proben reduzieren, wenn Sie Proben davon nehmen möchten.