一组研究人员已使用人工智能(AI)来识别光源。与传统方法相比，新方法所需的测量量大大减少。
包括激光雷达，遥感和显微镜在内的许多光子技术都是通过识别光源来开发的。其中一些来源包括阳光，激光辐射和分子荧光。识别它们通常需要进行数百万次测量，在弱光环境下尤其如此，这使得实施量子光子技术极为困难。
这项工作发表在AIP Publishing的Applied Physics Reviews中。标题为“使用机器学习识别光源”。
人工神经元
Omar Magana-Loaiza是该论文的作者。
Magana-Loaiza说：“我们训练了具有统计波动的人工神经元，该波动表征了相干光和热光。”
人工神经元首先使用光源进行训练，这使其能够识别与特定类型的光相关的某些特征。
尤成龙，研究员，论文的共同作者。
尤说：“单个神经元足以将识别光源所需的测量数量从数百万个减少到少于数百个。”
应用和好处
由于识别光源所需的测量次数较少，因此可以更快地完成。除了更快之外，还可以减少光损伤。例如，由于不需要像需要多次测量时一样需要照亮样品，因此可以在显微镜下限制光损伤。
Roberto de J.León-Montiel是该论文的另一位合著者。
León-Montiel说：“例如，如果您使用精细的荧光分子复合物进行成像实验，则可以减少样品暴露于光的时间，并最大程度地减少光损伤。”
将从该技术中受益的另一个领域是密码学，其中通常需要数百万次测量才能生成用于加密消息或电子邮件的密钥。
“我们可以使用类似的神经元来加快用于加密的量子密钥的生成，” Magana-Loaiza说。
在遥感中很重要的激光也可以受益。可以开发新的智能激光雷达系统系列，能够识别从远程对象反射的拦截或修改的数据。激光雷达是一种用激光照亮目标的遥感方法。然后用传感器测量反射光，以便测量到目标的距离。