Con una svolta tecnologica innovativa, 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 incorpora una tecnologia di deep learning all’avanguardia per utilizzare immagini di bassa qualità al posto di quelle ad alta definizione che possono essere utilizzate, ad esempio, per la microscopia e i dispositivi mobili intelligenti.
Il potenziale dei metalli si è scatenato
Le metalense, fotocamere ultrasottili che utilizzano nanostrutture per manipolare la luce, potrebbero mantenere la promessa di essere leggere e compatte. Tuttavia, ottenere le immagini migliori non è un processo facile con questi dispositivi. Il ricercatore capo Ji Chen della Southeast University in Cina dichiara: "La nostra tecnologia consente ai dispositivi basati sui metalli di superare i limiti esistenti nella qualità dell'immagine", che l'azienda spera di implementare nell'elettronica di consumo e in altri campi come la microscopia.
Integrazione dell'intelligenza artificiale per miglioramenti dell'immagine.
Optica Publishing Group, gli autori di Optics Letters, la rivista in cui discutono la loro applicazione di una rete neurale convoluzionale multiscala, la forma di apprendimento profondo che hanno utilizzato, 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 incorporate su un chip di imaging CMOS, elimina direttamente la necessità di parti ottiche 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 nei parametri di qualità dell'immagine come il rapporto segnale-rumore di picco e l'indice di somiglianza strutturale, che ha mostrato anche capacità di elaborazione rapida con la capacità di generare istantaneamente dati di alta qualità.
Direzioni future della fattibilità commerciale.
L'imminente compito di ricerca si concentra sull'ottenimento di metalensi con funzionalità aggiuntive come il colore e un'ampia polarizzazione circolare, mettendo a punto e perfezionando al contempo le reti neurali artificiali per migliorare la qualità complessiva dell'immagine. Per la realizzazione commerciale di questa tecnologia, è necessario inventare un nuovo metodo di assemblaggio per incorporare i metalobiettivi nei moduli delle fotocamere degli smartphone oltre al software appositamente progettato per gli smartphone per migliorare la qualità dell'immagine.
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 in questo campo. L'innovazione costante e il perfezionamento dei metalobiettivi ultraleggeri e ultrasottili li vedranno agire come un punto di svolta nelle tecnologie di imaging e rilevamento e preannunciano l'avvento di fotocamere piccole e ad alte prestazioni.
L’idea dell’inclusione dell’intelligenza artificiale nella tecnologia dei metalli sembra essere una trasformazione radicale nel mondo dell’imaging. Attraverso lo sfruttamento di tecniche di apprendimento profondo, i ricercatori hanno aperto la strada ai metalensi per ottenere immagini ad alta definizione in versioni piccole e leggere e ciò ha implicazioni di vasta portata sull'elettronica di consumo e sulla ricerca scientifica. Questa complessa integrazione dell’intelligenza artificiale con l’ottica è destinata ad espandersi in futuro, contenendo le funzionalità per superare qualsiasi immagine nell’imaging e nell’analisi visiva.