通過將特殊材料與人工智能神經網絡相結合，洛桑聯邦理工學院的科學家現在已經證明并實現了聲波可以用于高分辨率成像。 成像技術使我們能夠通過對物體發射或輻射的光和聲波的遠場分析來描繪物體。 波形越短，圖像分辨率越高。 然而，到目前為止，細節的水平受到討論的波長大小的限制。 洛桑聯邦理工學院的科學家已經成功地證明，聲波可以產生比其波長小30倍的細節。

為了實現這一點，研究人員使用了超材料（特別是工程元素）和人工智能的結合，他們的發現發表在“物理評論X”雜志上，正在創造令人興奮的新可能性，特別是在醫學成像和生物工程領域。該團隊的突破性想法是將兩種先前打破成像界限的獨立技術結合起來。 一種是超材料：例如，能夠精確聚焦波長的特殊部件。

也就是說，眾所周知，它們通過隨意吸收信號而失去了有效性，這使得它們很難破譯。 另一種是人工智能，更具體地說是神經網絡，它可以快速有效地處理甚至最復雜的信息，盡管涉及學習曲線。 為了超過物理學中已知的衍射極限，由RomanFleurie(RomainFleury)領導的團隊進行了以下實驗：首先，創建了64個微型揚聲器的晶格，每個揚聲器都可以根據圖像中的像素激活。

然后，使用晶格以極其精確的空間細節再現0到9之間的數字聲音圖像；輸入到網格中的數字圖像是從大約70,000個手寫樣本的數據庫中提取的。 一個袋子放在格子對面內部有39個Helmholtz諧振器（一端有孔的10厘米球體），形成超材料。 晶格產生的聲音是通過超材料傳輸的，并被放置在幾米外的四個麥克風捕獲。 然后，該算法對麥克風的錄制聲音進行解密，學習如何識別和重繪原始數字圖像。

有利的不利條件

該實驗的成功率接近90%，通過生成分辨率僅為幾厘米的圖像（-使用長度約一米的聲波），遠遠超過衍射極限。 此外，超材料吸收信號的趨勢一直被認為是一個主要的缺點，但當涉及神經網絡時，這被證明是一個優勢，研究發現，當有大量吸收時，它們的工作效果更好。 在醫學成像領域，利用長波觀察非常小的物體可能是一個重大突破。

長波意味著醫生可以使用更低的頻率，聲音成像即使在致密的骨組織中也是有效的。 當涉及到使用電磁波成像時，長波對患者健康的危害較小。 對于這些類型的應用，研究不是訓練神經網絡識別或復制數字，而是訓練神經網絡識別或復制有機結構。

博科圣地|研究/來源：洛桑聯邦理工學院

參考期刊《物理評論

DOI：10.1103/PhysRevX.10.031029

博科圣地|科學，技術，科學研究和科普