Codificación de entropía óptica por conversión ascendente para imagenología de amplitud compleja en infrarrojo

Viendo el calor invisible que nos rodea

Desde coches que circulan de noche hasta diminutas estructuras dentro de células vivas, gran parte del mundo que nos rodea emite luz infrarroja invisible. Capturar películas detalladas de esta «luz térmica» transformaría campos que van desde la conducción autónoma hasta la imagen médica, pero las cámaras infrarrojas actuales son caras, consumen mucha energía y a menudo son lentas. Este artículo presenta una nueva forma de convertir escenas infrarrojas débiles en imágenes nítidas a velocidad de vídeo usando sensores ordinarios de luz visible y una pizca de óptica inteligente y IA.

Convertir el calor en luz visible

Las cámaras infrarrojas estándar dependen de materiales especializados que con frecuencia deben enfriarse a temperaturas muy bajas, lo que las hace voluminosas y costosas. Una alternativa atractiva es «convertir» la luz infrarroja en luz visible que los sensores de silicio baratos puedan detectar. Los métodos existentes de conversión ascendente se dividen en dos grupos. Las técnicas coherentes preservan los detalles finos de la luz pero requieren láseres potentes y una alineación cuidadosa. Los métodos incoherentes, basados en materiales especiales luminiscentes, son más sencillos y funcionan con luz mucho más débil, pero descartan la parte ondulatoria de la luz conocida como fase. El nuevo trabajo combina las fortalezas de ambos mundos: mantiene la simplicidad y sensibilidad de los materiales luminiscentes mientras recupera el acceso a la información de onda oculta.

Enredar la luz para revelar más

El núcleo del enfoque es una idea llamada codificación de entropía óptica. Los investigadores primero hacen pasar la escena infrarroja entrante a través de un trozo áspero de vidrio esmerilado que dispersa la luz en un patrón de moteado de aspecto aleatorio. Este «enredador» actúa como un código complejo, mezclando tanto el brillo como la forma de onda de la luz. A continuación, una película delgada que contiene iones de lantánidos absorbe esta luz infrarroja moteada y la reemite como luz visible mediante un proceso de conversión ascendente por etapas. Una cámara de silicio estándar registra solo la intensidad de este moteado visible, que por sí solo parece carente de sentido. Sin embargo, porque el patrón de dispersión es rico y complejo, en secreto transporta suficiente información sobre el brillo y la fase originales de la escena para ser decodificada más adelante.

Dejar que una red neuronal haga la decodificación

La parte complicada es convertir los patrones de moteado registrados de nuevo en una imagen utilizable de la escena. No existe una fórmula simple que vincule el moteado visible enmarañado con la luz infrarroja original. En cambio, el equipo entrena una red neuronal profunda, llamada S-ULRnet, para aprender esta conexión a partir de ejemplos. Alimentan a la red con muchos pares de patrones infrarrojos conocidos y sus correspondientes imágenes de moteado convertidas. Con el tiempo, la red aprende a reconstruir tanto el brillo como la fase a partir de una sola instantánea. Los autores también demuestran que al ajustar cuánto enreda el vidrio esmerilado la luz —esencialmente aumentando la «entropía» o el contenido informativo del moteado— pueden mejorar de forma significativa la precisión de la reconstrucción.

Películas nítidas a partir de señales infrarrojas débiles

Una vez entrenado, el sistema rinde de forma impresionante. Recupera imágenes detalladas en escala de grises de 8 bits tanto del brillo como de la fase a una velocidad de vídeo de 25 fotogramas por segundo, todo ello a partir de una sola exposición de cámara por fotograma. El montaje puede detectar potencias infrarrojas extremadamente débiles, del orden de 0,2 nanovatios por micrómetro cuadrado —aproximadamente mil veces más sensible que muchos enfoques convencionales de conversión ascendente. El equipo demuestra vídeos en tiempo real de escenas naturales, secuencias numéricas en movimiento e incluso señales de límite de velocidad, que luego pueden clasificarse con precisión mediante una red de reconocimiento separada. Esto muestra cómo el sistema podría integrarse en tareas prácticas como la conducción autónoma o la vigilancia inteligente.

Un nuevo camino para la visión infrarroja inteligente

En términos sencillos, los investigadores han construido un traductor inteligente que convierte la luz infrarroja difícil de detectar en patrones visibles ricos en información y luego deja que la IA lea esos patrones para reconstruir cómo era la escena infrarroja. Su método es rápido, altamente sensible y utiliza hardware relativamente simple, lo que lo hace atractivo para aplicaciones que van desde el diagnóstico médico hasta la monitorización ambiental. Dado que los materiales luminiscentes utilizados pueden responder a diferentes colores infrarrojos, el mismo concepto podría ampliarse a varias bandas de longitud de onda y modos de imagen más avanzados. Como resultado, este trabajo señala hacia futuras cámaras que vean el calor y la estructura con un detalle notable, empleando componentes asequibles y decodificación inteligente.

Cita: Zhu, Sk., Pan, T., Tang, Cx. et al. Upconversion optical entropy encoding for infrared complex-amplitude imaging. Light Sci Appl 15, 158 (2026). https://doi.org/10.1038/s41377-026-02215-7

Palabras clave: imagenología infrarroja, conversión ascendente, codificación por moteado, sensado con redes neuronales, infrarrojo de onda corta