赤外線の複素振幅イメージングのためのアップコンバージョン光学エントロピー符号化

私たちのまわりにある見えない“熱”を見る

夜間に走る車から生細胞内の微細構造まで、私たちの周囲には目に見えない赤外線が多く放射されています。この「熱の光」を詳細な動画として捉えられれば、自動運転から医療用イメージングまでさまざまな分野で革新が期待されますが、現在の赤外線カメラは高価で消費電力が大きく、しばしば動作も遅いのが現状です。本論文は、通常の可視光カメラチップと工夫した光学系とAIを組み合わせて、微弱な赤外線シーンを高精細で動画レートの画像に変換する新しい手法を提案します。

熱を可視光に変換する

一般的な赤外線カメラは特殊な材料に依存しており、多くの場合非常に低温に冷却する必要があるため、装置が大型かつ高価になりがちです。魅力的な代替手段は、赤外線をアップコンバートして安価なシリコンセンサーで検出できる可視光に変換することです。既存のアップコンバージョン手法は大きく二つに分かれます。コヒーレント手法は光の細かな情報を保持しますが高出力レーザーや厳密な光学整列を必要とします。一方、非コヒーレント手法は特定の発光材料に基づき、構成が簡単で非常に弱い光でも動作しますが、位相として知られる光の波的情報を失ってしまいます。本研究は両者の長所を組み合わせ、発光材料の簡便さと感度を保ちながら、失われがちな波情報へ再びアクセスできるようにしています。

より多くを明らかにするために光をスクランブルする

この手法の核心は「光学エントロピー符号化」と呼ばれるアイデアです。研究者たちはまず入射する赤外線シーンを粗いグラウンドグラスに通し、光をランダムに見えるスペックルパターンに散乱させます。この“スクランブラー”は複雑な符号のように働き、輝度と波形の両方を混ぜ合わせます。次に、ランタノイドイオンを含む薄膜がこのスペックル化した赤外線を吸収し、段階的なアップコンバージョンプロセスを通じて可視光として再放出します。標準のシリコンカメラはこの可視スペックルの強度のみを記録しますが、それだけでは無意味に見えます。しかし、散乱パターンが豊富で複雑であるため、それ自体に元のシーンの輝度と位相に関する十分な情報が秘められており、後で復号可能です。

復号はニューラルネットワークに任せる

難しいのは、記録されたスペックルパターンを元のシーンの使える画像に戻すことです。スクランブルされた可視スペックルと元の赤外線との間を結ぶ単純な式は存在しません。代わりに、チームはS-ULRnetと呼ばれる深層ニューラルネットワークを訓練して、この関係を例から学習させます。既知の赤外線パターンとそれに対応するアップコンバートされたスペックル画像の多数の組をネットワークに入力します。時間が経つにつれて、ネットワークは単一のスナップショットから輝度と位相の両方を再構成する方法を習得します。著者らはまた、グラウンドグラスがどれほど強く光をスクランブルするかすなわちスペックルの「エントロピー」や情報量を調整することで、復元精度を大幅に向上させられることを示しています。

微弱な赤外信号から鮮明な動画を

一度訓練されると、このシステムは印象的な性能を発揮します。1フレームごとに単一のカメラ露光から、輝度と位相の両方を8ビット階調で25フレーム毎秒の動画レートで詳細に復元します。検出感度は非常に高く、面積あたり約0.2ナノワット/μm^2までの微弱な赤外パワーを検出でき、従来の多くのアップコンバージョン手法より約千倍高感度です。チームは自然シーン、移動する数字列、制限速度標識などのリアルタイム動画を実証し、それらを別の認識ネットワークで正確に分類できることも示しています。これにより、本システムが自動運転やインテリジェント監視といった実用的なタスクに組み込める可能性が示唆されます。

スマートな赤外線視覚への新たな道

平たく言えば、研究者たちは検出しにくい赤外線を情報量の多い可視パターンに変換し、そのパターンをAIが読み取って元の赤外線シーンを復元する「スマートな翻訳機」を構築したのです。手法は高速で高感度、かつ比較的単純なハードウェアで実現できるため、医療診断から環境モニタリングまで幅広い応用に魅力的です。使用する発光材料が異なる赤外波長に応答できるため、同じ考え方は複数波長帯やより高度なイメージングモードへ拡張可能です。その結果、本研究は安価な部品と知的な復号によって、熱と構造を高い詳細度で捉える将来のカメラへの道を示しています。

引用: 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

キーワード: 赤外線イメージング, アップコンバージョン, スペックル符号化, ニューラルネットワークセンシング, 短波長赤外線