Hvězdy i buněčné struktury. Olomoučtí vědci s pomocí AI vyvinuli novou metodu zobrazování
Olomoučtí vědci dokázali pomocí umělé inteligence z rozmazaných optických snímků získat detaily, které jsou pro běžné přístroje prakticky neviditelné. Stejný model AI podle autorů funguje při zpracování astronomických i mikroskopických dat bez nutnosti přizpůsobení konkrétnímu přístroji.
Za novinkou stojí odborníci z olomoucké přírodovědecké fakulty.
Nová metoda má řešit jedno ze základních omezení optických přístrojů. Pokud jsou dva objekty příliš blízko sebe, jejich obraz splývá do jedné rozmazané skvrny. To komplikuje například astronomická pozorování vzdálených hvězd nebo biologický výzkum buněčných struktur. Dosavadní metody, které se snaží toto omezení překonat, podle autorů vyžadují přesnou znalost vlastností konkrétního přístroje a jeho kalibraci.
Olomoučtí vědci zvolili jiný přístup. Model umělé inteligence trénovali pouze na počítačových simulacích zahrnujících široké spektrum optických podmínek. Díky tomu se podle nich nenaučil pracovat jen s jedním typem zařízení, ale osvojil si obecné principy vzniku obrazu v různých optických systémech. "Naším cílem bylo, aby se AI naučila nejen jeden konkrétní experiment, ale obecný způsob, jak z rozmazaného obrazu získat ostřejší informaci. Právě proto může stejný model pracovat s daty z velmi odlišných oblastí - od astronomie až po molekulární mikroskopii," uvedl Dominik Vašinka z katedry optiky přírodovědecké fakulty.
Výzkumníci metodu nejprve ověřili v laboratorním experimentu se známou polohou světelných zdrojů a následně ji testovali na reálných datech. Na snímcích oblasti galaxie Andromeda podle nich dokázala umělá inteligence rozlišit skupinu hvězd, které na původním obrazu splývaly v jediný objekt. V biologických vzorcích pak AI pomohla zobrazit jemné buněčné struktury tvořené jednotlivými fluoreskujícími molekulami.
Podle spoluautora studie Filipa Juráně byl experiment s kontrolovanou skutečnou strukturou předmětu důležitým krokem. "U reálných mikroskopických dat nevíme, kde přesně se molekuly nacházejí, a u astronomických dat je situace podobná. My jsme vytvořili mezistupeň mezi ideální simulací a reálnými vzorky," podotkl Juráň.
Podle dalšího člena výzkumného týmu Jaromíra Běhala spojuje astronomické a mikroskopické aplikace stejný fyzikální princip. "Spojujícím prvkem nejsou hvězdy ani molekuly samotné, ale fyzika zobrazování bodových zdrojů. Pokud ji AI zachytí dostatečně obecně, může pomoci tam, kde je klasická kalibrace zdlouhavá, nestabilní nebo prakticky nemožná," doplnil Běhal.
Autoři předpokládají, že metoda by mohla usnadnit využívání superrozlišovacího zobrazování v řadě vědeckých i technických oborů. Výhodou je podle nich skutečnost, že model není závislý na jednom konkrétním optickém přístroji. V budoucnu tak může najít uplatnění všude tam, kde je potřeba získat co nejvíce informací z optických obrazů.
