Vaizdai, rodantys UCLA sukurto dirbtinio intelekto varomo GedankenNet mokymą ir testavimą, naudojant imituotas hologramas, sukurtas iš atsitiktinių vaizdų rekonstruojant mikroskopinius įvairių žmogaus audinių pjūvių ir Pap tepinėlių vaizdus. Mastelio juosta: 50 μm (milijoninė metro dalis). Kreditas: Ozcan Research Lab / UCLA Mokslininkai iš UCLA Samueli inžinerijos mokyklos pristatė dirbtiniu intelektu pagrįstą modelį, skirtą kompiuteriniam vaizdavimui ir mikroskopijai be mokymo su eksperimentiniais objektais ar tikrais duomenimis.
Neseniai paskelbtame dokumente Gamtos mašinos intelektasUCLA Volgenau inžinerinių inovacijų profesorius Aydogan Ozcan ir jo tyrimų grupė pristatė savarankiškai prižiūrimą AI modelį, pravarde GedankenNet, kuris mokosi iš fizikos dėsnių ir minties eksperimentų.
Dirbtinis intelektas pakeitė vaizdo gavimo procesą įvairiose srityse – nuo fotografijos iki jutimo. Tačiau AI taikymas mikroskopijoje ir toliau susiduria su nuolatiniais iššūkiais. Pirma, esami dirbtinio intelekto modeliai labai priklauso nuo žmogaus priežiūros ir didelio masto, iš anksto pažymėtų duomenų rinkinių, todėl reikia daug pastangų reikalaujančių ir brangių eksperimentų su daugybe pavyzdžių. Be to, naudojant šias metodikas dažnai sunku apdoroti naujų tipų mėginius ar eksperimentines sąrankas.
Su GedankenNet UCLA komanda buvo įkvėpta Alberto Einsteino skiriamojo Gedanken eksperimento (vokiškai „minties eksperimentas“) metodo, naudojant vizualizuotus, konceptualius minties eksperimentus kuriant reliatyvumo teoriją.
Pasitelkę tik fizikos dėsnius, kurie visuotinai valdo elektromagnetinių bangų sklidimą erdvėje, mokslininkai išmokė savo dirbtinio intelekto modelį atkurti mikroskopinius vaizdus naudojant tik atsitiktines dirbtines hologramas, susintetintas vien iš „vaizduotės“, nesiremiant jokiais realaus pasaulio eksperimentais. pavyzdiniai panašumai arba tikri duomenys.
Po GedankenNet „minčių mokymo“ komanda išbandė AI modelį naudodama 3D holografinius žmogaus audinių mėginių vaizdus, užfiksuotus naudojant naują eksperimentinę sąranką. Pirmuoju bandymu GedankenNet sėkmingai atkūrė mikroskopinius žmogaus audinių mėginių ir Pap tepinėlių vaizdus iš jų hologramų.
Palyginti su moderniausiais mikroskopinio vaizdo atkūrimo metodais, pagrįstais prižiūrimu mokymusi naudojant didelio masto eksperimentinius duomenis, „GedankenNet“ parodė puikų apibendrinimą nematytuose mėginiuose, nesiremdamas jokiais eksperimentiniais duomenimis ar išankstine informacija apie mėginius. Be geresnio mikroskopinio vaizdo atkūrimo, „GedankenNet“ taip pat sukūrė išėjimo šviesos bangas, kurios atitinka bangų lygčių fiziką ir tiksliai atspindi 3D šviesos sklidimą erdvėje.
„Šios išvados iliustruoja savarankiškai prižiūrimo AI potencialą mokytis iš minties eksperimentų, kaip tai daro mokslininkai“, – sakė Ozcanas, UCLA Samueli Elektros ir kompiuterių inžinerijos bei Bioinžinerijos katedrų dėstytojas. „Tai atveria naujas galimybes kurti su fizika suderinamus, lengvai mokomus ir plačiai apibendrinamus neuroninių tinklų modelius kaip alternatyvą standartiniams, prižiūrimiems giluminio mokymosi metodams, šiuo metu naudojamiems atliekant įvairias skaičiavimo vaizdavimo užduotis.”
Kiti straipsnio autoriai yra absolventai Luzhe Huang (pirmasis autorius) ir Hanlong Chen, taip pat doktorantas Tairanas Liu iš UCLA Elektros ir kompiuterių inžinerijos katedros. Ozcanas taip pat yra UCLA Davido Geffeno medicinos mokyklos fakulteto paskyrimas ir yra Kalifornijos nanosistemų instituto asocijuotas direktorius.
Daugiau informacijos: Aydogan Ozcan ir kt., Savarankiškas hologramos rekonstrukcijos mokymasis naudojant fizikos nuoseklumą, Gamtos mašinos intelektas (2023). DOI: 10.1038/s42256-023-00704-7 , www.nature.com/articles/s42256-023-00704-7
Citata: savarankiškai prižiūrimas dirbtinis intelektas mokosi fizikos, kad galėtų atkurti mikroskopinius vaizdus iš hologramų (2023 m. rugpjūčio 7 d.), gauta 2023 m. rugpjūčio 7 d. iš https://techxplore.com/news/2023-08-self-supervised-ai-physics-reconstruct-microscopic. html
Šis dokumentas yra saugomas autorių teisių. Išskyrus bet kokius sąžiningus sandorius privačių studijų ar mokslinių tyrimų tikslais, jokia dalis negali būti atkuriama be raštiško leidimo. Turinys pateikiamas tik informaciniais tikslais.
