Bilim insanları, mikroskopi alanında kullanılan ptikografi tekniğinin görüntü kalitesini artıran yenilikçi bir yapay zeka sistemi geliştirdi. Bu teknik, özellikle nano boyutlardaki yapıları incelemek için kritik öneme sahip.
Ptikografi, bir nesnenin birden fazla açıdan ışıkla taranmasıyla elde edilen verilerden yüksek çözünürlüklü görüntüler üreten gelişmiş bir görüntüleme yöntemi. Ancak bu süreçte karşılaşılan temel sorun, ışık dalgalarının faz bilgisinin doğru şekilde işlenmesi.
Geleneksel iteratif yeniden yapılandırma yöntemleri doğru sonuçlar verse de hesaplama açısından oldukça maliyetli ve zaman alıcı. Bu durum, yüksek verimlilik gerektiren laboratuvar ortamlarında ve gerçek zamanlı uygulamalarda büyük bir engel oluşturuyor.
Son dönemde geliştirilen derin öğrenme yaklaşımları hız konusunda avantaj sağlasa da, faz bilgisini yanlış modelledikleri için görüntülerde kesintiler ve yapay eserler meydana geliyordu. Araştırmacılar bu problemi, fazı birim çember üzerinde kosinüs ve sinüs bileşenleriyle modelleyerek çözdü.
Yeni sistem, faz hatalarını geometrik olarak daha doğru hesaplayan özel bir kayıp fonksiyonu kullanıyor. Bu sayede hem işlem hızı artırılıyor hem de görüntü kalitesindeki bozulmalar önleniyor.