Upkonwersja optycznego kodowania entropii do obrazowania amplitudy zespolonej w podczerwieni

Widzieć niewidoczne ciepło wokół nas

Od samochodów poruszających się w nocy po drobne struktury wewnątrz żywych komórek — wiele elementów otaczającego świata emituje niewidzialne światło podczerwone. Nagrywanie szczegółowych filmów tego „światła cieplnego” mogłoby zrewolucjonizować dziedziny od autonomicznej jazdy po obrazowanie medyczne, ale współczesne kamery na podczerwień są drogie, energochłonne i często wolne. W tym artykule wprowadzono nowy sposób przekształcania słabych scen podczerwonych w ostre obrazy w tempie wideo przy użyciu zwykłych układów obrazujących światło widzialne oraz odrobiny inteligentnej optyki i AI.

Przekształcanie ciepła w światło widzialne

Standardowe kamery podczerwone opierają się na wyspecjalizowanych materiałach, które często muszą być chłodzone do bardzo niskich temperatur, co czyni je masywnymi i kosztownymi. Atrakcyjną alternatywą jest „upkonwersja” światła podczerwonego do widzialnego, które mogą wykryć tanie czujniki krzemowe. Istniejące metody upkonwersji dzielą się na dwa nurty. Techniki koherentne zachowują drobne szczegóły fali, ale wymagają mocnych laserów i precyzyjnego ustawienia. Metody niekoherentne, oparte na specjalnych luminoforach, są prostsze i działają przy znacznie słabszym świetle, lecz tracą falową część światła, zwaną fazą. Nowe podejście łączy zalety obu światów: zachowuje prostotę i czułość luminoforów, jednocześnie odzyskując dostęp do ukrytej informacji falowej.

Mieszanie światła, by odsłonić więcej

Rdzeniem podejścia jest pomysł nazwany optycznym kodowaniem entropii. Badacze najpierw przepuszczają padającą scenę podczerwoną przez chropowaty kawałek szkła matowego, który rozprasza światło w losowo wyglądający wzór plamkowy. Ten „mieszacz” działa jak złożony kod, łącząc ze sobą zarówno jasność, jak i kształt fali światła. Następnie cienka warstwa zawierająca jony lantanu pochłania to plamkowe światło podczerwone i ponownie emituje je jako światło widzialne przez wielostopniowy proces upkonwersji. Standardowa kamera krzemowa rejestruje jedynie natężenie tego widzialnego plamkowania, które samo w sobie wygląda na bezsensowne. Jednak ponieważ wzór rozproszenia jest bogaty i złożony, po cichu niesie wystarczającą ilość informacji o pierwotnej jasności i fazie sceny, aby można go było później zdekodować.

Pozwolić sieci neuronowej wykonać dekodowanie

Trudną częścią jest przekształcenie zarejestrowanych wzorów plamkowych z powrotem w użyteczny obraz sceny. Nie istnieje protny wzór wiążący rozdrobnione widzialne plamkowanie z oryginalnym światłem podczerwonym. Zamiast tego zespół szkoli głęboką sieć neuronową, nazwaną S-ULRnet, aby nauczyła się tego związku na przykładach. Podają sieci wiele par znanych wzorców podczerwieni i odpowiadających im zupkonwertowanych obrazów plamkowych. Z czasem sieć uczy się rekonstruować zarówno jasność, jak i fazę z pojedynczego zrzutu. Autorzy pokazują również, że poprzez dostrojenie siły, z jaką szkło matowe miesza światło — zasadniczo zwiększając „entropię” lub zawartość informacji plamki — można istotnie poprawić dokładność rekonstrukcji.

Wyraźne filmy z słabych sygnałów podczerwonych

Po przeszkoleniu system wypada imponująco. Odtwarza szczegółowe, 8-bitowe obrazy w skali szarości zarówno jasności, jak i fazy z prędkością wideo 25 klatek na sekundę, wszystko z pojedynczej ekspozycji kamery na klatkę. Układ potrafi wykryć ekstremalnie słabą moc podczerwieni, do około 0,2 nanowata na mikrometr kwadratowy — około tysiąca razy bardziej czuły niż wiele konwencjonalnych podejść upkonwersyjnych. Zespół demonstruje w czasie rzeczywistym filmy scen naturalnych, poruszających się ciągów liczb, a nawet znaków ograniczenia prędkości na drodze, które następnie mogą być dokładnie sklasyfikowane przez oddzielną sieć rozpoznającą. Pokazuje to, jak system mógłby zostać wykorzystany w praktycznych zadaniach, takich jak autonomiczna jazda czy inteligentny nadzór.

Nowa droga dla inteligentnego widzenia w podczerwieni

Mówiąc prosto, badacze zbudowali inteligentny tłumacz, który przekształca trudno wykrywalne światło podczerwone w wzory widzialne bogate w informacje, a następnie pozwala AI odczytać te wzory, by zrekonstruować wygląd sceny podczerwonej. Ich metoda jest szybka, wysoce czuła i wykorzystuje stosunkowo prosty sprzęt, co czyni ją atrakcyjną do zastosowań od diagnostyki medycznej po monitorowanie środowiska. Ponieważ używane luminofory mogą reagować na różne kolory podczerwieni, ta sama koncepcja mogłaby zostać rozszerzona na wiele pasm długości fal i bardziej zaawansowane tryby obrazowania. W rezultacie praca ta wskazuje drogę ku przyszłym kamerom, które zobaczą ciepło i strukturę z niezwykłą szczegółowością, wykorzystując przystępne komponenty i inteligentne dekodowanie.

Cytowanie: 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

Słowa kluczowe: obrazowanie podczerwone, upkonwersja, kodowanie plamkowe, sensoryka z sieciami neuronowymi, krótkofalowa podczerwień