洛桑联邦理工学院 信贷:巴赫蒂亚尔·奥拉兹巴耶夫/EPFL 通过结合特制材料和神经网络，EPFL大学的研究人员已经证明声音可以用于高分辨率图像
成像使我们能够通过对物体传输或辐射的光波和声波的远场分析来描绘物体
波越短，图像的分辨率越高
然而，到目前为止，细节水平受到所讨论的波长大小的限制
EPFL波浪工程实验室的研究人员已经成功证明，一个长的，因此不精确的波(在这个例子中是声波)可以引出比它的长度小30倍的细节
为了实现这一目标，研究小组使用了超材料——特别设计的元素——和人工智能的结合
他们的研究刚刚发表在《物理评论十》上，正在创造令人兴奋的新可能性，特别是在医学成像和生物工程领域
该团队的开创性想法是将两种不同的技术结合在一起，这两种技术以前曾推动过成像技术的发展
其中之一是超材料:专门构建的元素，例如，可以精确聚焦波长
也就是说，众所周知，它们会因随意吸收信号而失去效力，这种吸收方式使得信号难以解读
另一个是人工智能，或者更具体地说是神经网络，它可以快速有效地处理甚至是最复杂的信息，尽管这涉及到一个学习曲线
为了超越物理学中所谓的衍射极限，由罗曼·弗勒里领导的研究小组进行了以下实验:他们首先创建了一个由64个微型扬声器组成的网格，每个扬声器都可以根据图像中的像素被激活
然后，他们使用点阵复制从零到九的数字声像，具有极其精确的空间细节；输入点阵的数字图像是从大约70，000个手写例子的数据库中提取的
在格子的对面，研究人员放了一个袋子，里面有39个亥姆霍兹谐振器(10厘米的球体，一端有一个孔)，形成了一种超材料
晶格产生的声音由超材料传输，并被几米外的四个麦克风捕捉到
然后，算法破译了麦克风记录的声音，以便学习如何识别和重绘原始数字图像
有利的缺点 该团队的实验成功率接近90%
“通过产生分辨率只有几厘米的图像——使用长度大约为一米的声波——我们远远超过了衍射极限，”罗曼·弗勒里说
“此外，超材料吸收信号的倾向曾被认为是一个主要的缺点，但当涉及到神经网络时，这种倾向变成了一个优点
我们发现，当有大量的吸收时，它们工作得更好
" 在医学成像领域，利用长波来观察非常小的物体可能是一个重大突破
“长波意味着医生可以使用低得多的频率，从而产生声学成像方法，即使是通过密集的骨组织也是有效的
当使用电磁波成像时，长波对病人的健康危害较小
对于这些类型的应用，我们不会训练神经网络来识别或复制数字，而是训练有机结构，”弗勒里说
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
