Fundamental Recovery Bounds for SPAD Signals under Stationary Flux

تخيل أنك تحاول التقاط صورة لمشهد ما، لكن كاميرتك معطلة بطريقة محددة للغاية: فبدلاً من التقاط لقطة مستمرة وسلسة للضوء، هي فقط تعد قطرات المطر الفردية التي تصطدم بالعدسة. والأسوأ من ذلك، أنه بعد كل قطرة تصطدم، تصاب العدسة بـ "دوار" للحظة وجيزة ولا تستطيع رؤية القطرة التالية. هكذا تعمل نوع خاص من مستشعرات الكاميرا تسمى SPAD (ثنائي صمام التتابع أحادي الفوتون). إنها حساسة للغاية، قادرة على رؤية جسيمات الضوء المنفردة، مما يجعلها مثالية للرؤية في الظلام أو قياس الأشياء التي تحدث بسرعة فائقة. ولكن لأنها لا ترى سوى "القطرات" وتصاب بـ "الدوار" بعد كل منها، فإن تحويل هذه العدات المبعثرة والفوضوية إلى صورة واضحة ومعروفة المعالم يمثل لغزاً ضخماً. لقد حاول العلماء حل هذا اللغز لسنوات، لكنهم غالباً ما عاملوا الطرق المختلفة التي تعمل بها هذه المستشعرات كمسائل منفصلة تماماً.

هذه الورقة البحثية تتراجع خطوة إلى الوراء لتنظر إلى اللغز بأكمله دفعة واحدة. اكتشف المؤلفون أنه سواء كان المستشعر يعد فقط عدد القطرات التي سقطت في دلو (وضع "ثنائي" - binary)، أو يسجل الوقت الدقيق لكل قطرة أصابت العدسة (وضع "الزمن المكتوب" - timestamped)، فإنها جميعاً تشترك في نبض رياضي مشترك يسمى "دالة الدرجة" (score function). فكر في دالة الدرجة هذه كبوصلة سرية تخبر الكمبيوتر بالضبط كيف يدفع تخميناً ضبابياً نحو الصورة الحقيقية. ومن خلال إيجاد هذه البوصلة الواحدة لجميع أنواع المستشعرات الثلاثة، تمكن الفريق من إثبات أمر مفاجئ: إذا كنت تعد القطرات فقط دون تسجيل متى أصابت العدسة، فإن صورتك ستصبح ضبابية وغير مفيدة بسرعة كبيرة مع زيادة سطوع الضوء. ومع ذلك، إذا سجلت الوقت الدقيق لكل قطرة، فإن الصورة تظل واضحة حتى في الضوء الساطع. لم يثبتوا ذلك بالرياضيات فحسب؛ بل بنوا نوعاً جديداً من الذكاء الاصطناعي يستخدم هذه البوصلة لإعادة بناء الصور من بيانات من العالم الحقيقي، مما أظهر أن الاستماع إلى "توقيت" قطرات الضوء يحدث فرقاً هائلاً في الحصول على صورة عالية الجودة.

الاكتشاف الكبير: "الزمن" يهم أكثر مما تعتقد

بدأ الباحثون بطرح سؤال جوهري: ما هي أفضل صورة ممكنة يمكننا الحصول عليها من هذه المستشعرات، وهل يعتمد ذلك على كيفية تسجيل المستشعر للضوء؟ لقد نظروا في ثلاث طرق مختلفة يمكن أن يعمل بها مستشعر SPAD:

1. الحاويات الثنائية (Binary Bins): يقسم المستشعر الوقت إلى حاويات صغيرة. إذا سقطت قطرة، فإنه يكتفي بقلب مفتاح إلى "1". وإذا لم تسقط أي قطرة، يكون "0". إنه لا يعرف متى داخل الحاوية سقطت القطرة، بل يعرف فقط أنها سقطت.
2. الحاويات ذات الطابع الزمني (Timestamped Bins): لا يزال المستشعر يستخدم الحاويات، ولكن إذا سقطت قطرة، فإنه يسجل اللحظة الدقيقة داخل تلك الحاوية.
3. الطوابع الزمنية الحرة (Free-running Timestamps): لا يستخدم المستشعر أي حاويات على الإطلاق. إنه يسجل فقط الوقت الدقيق لكل قطرة تسقط كما تحدث، مثل تدفق مستمر من الملاحظات.

استنتج الفريق صيغة رياضية (دالة الدرجة) لكل من هذه الأنماط الثلاثة. تعمل هذه الصيغة كدليل للذكاء الاصطناعي، حيث تخبره بكيفية تفسير البيانات المشوشة. وبمجرد حصولهم على هذا الدليل، قاموا بحساب "حدود الاستعادة الأساسية". وباللغة البسيطة، هذا هو الحد النظري لمدى وضوح الصورة؛ فلا يمكنك تجاوز هذا الحد مهما كان الكمبيوتر ذكياً.

إليك لحظة "وجدتها!" الكبرى: وجدت الورقة فجوة هائلة بين الأنماط عندما يصبح الضوء ساطعاً.

• الفخ الثنائي (The Binary Trap): إذا استخدمت فقط نمط "الحاويات الثنائية" (مجرد عد الـ 1 والـ 0)، فإن جودة الصورة تنهار بشكل أسي مع زيادة سطوع الضوء. الأمر يشبه محاولة عد قطرات المطر في عاصفة عن طريق التحقق فقط مما إذا كانت الأرض مبللة أم جافة؛ فبمجرد أن يهطل المطر بغزارة، تفقد كل المعلومات. تُظهر الرياضيات أن الخطأ ينمو بسرعة جنونية.
• منقذ الوقت (The Time-Saver): إذا استخدمت أنماط "الطابع الزمني" (تسجيل متى أصابت القطرات)، فإن الخطأ ينمو بشكل خطي فقط، وهو نمو أكثر اعتدالاً. وحتى لو كان المستشعر "مشبعاً" (أي يرى الكثير من القطرات لدرجة أنه لا يستطيع عدها جميعاً)، فإن توقيت القطرات لا يزال يحمل معلومات كافية لإعادة بناء صورة واضحة.

لقد استبعد المؤلفون صراحةً فكرة أن جميع هذه الأنماط متساوية تقريباً. فقد أظهروا أن تسجيل وقت الأحداث ليس مجرد ترقية بسيطة، بل هو الفرق بين صورة تتلاشى في الضجيج وصورة تظل حادة.

من النظرية إلى الواقع: بوصلة الذكاء الاصطناعي

معرفة الحدود شيء، ولكن هل يمكننا حقاً بناء كاميرا تصل إليها؟ استخدم المؤلفون تقنية حديثة للذكاء الاصطناعي تسمى "أخذ عينات الانتشار اللاحق" (Diffusion Posterior Sampling - DPS). تخيل ذكاءً اصطناعياً يبدأ بصورة مكونة من ضجيج ساكن ويقوم بتنظيفها ببطء، خطوة بخطوة، حتى تبدو كصورة حقيقية. وللقيام بذلك، يحتاج الذكاء الاصطناعي إلى شيئين: تخمين لما تبدو عليه الصورة الطبيعية ("الأولوية" - prior)، ودليل حول كيفية مطابقة هذا التخمين مع بيانات المستشعر ("درجة الاحتمالية" - likelihood score).

كان ابتكار الورقة هو دمج "دوال الدرجة" الجديدة الخاصة بهم في هذا الذكاء الاصطناعي. اختبروا ذلك على بيانات محاكاة وتجارب من العالم الحقيقي.

• في المحاكاة: أنشأوا مشاهد وهمية وحاكوا بيانات المستشعر. أظهرت النتائج أن الذكاء الاصطناعي الذي يستخدم دالة درجة "الطوابع الزمنية الحرة" أنتج أوضح الصور، يليه عن قرب نمط "الحاويات ذات الطابع الزمني". أما نسخة "الحاويات الثنائية" فقد كانت أسوأ بكثير، خاصة في ظروف الإضاءة القوية.
• في الواقع: اختبروا الذكاء الاصطناعي على مشهدين حقيقيين: مروحة دوارة ونفق.
  • المروحة: جاءت البيانات من مستشعر سجل الطوابع الزمنية في حاويات. عندما استخدموا دالة درجة "الطابع الزمني" الصحيحة، أعاد الذكاء الاصطناعي بناء شفرات المروحة بوضوح. ولكن عندما حاولوا استخدام دالة درجة "التدفق الحر" (التي تتجاهل هيكل الحاويات)، فشلت الصورة تماماً. أثبت هذا أن مطابقة "بوصلة" الذكاء الاصطناعي مع نمط المستشعر المحدد أمر بالغ الأهمية.
  • النفق: جاءت هذه البيانات من مستشعر "تدفق حر". أنتج الذكاء الاصطناعي، باستخدام دالة الدرجة الصحيحة، صورة سلسة وواضحة للنفق، بينما أنتجت الطريقة القياسية (الاحتمال الأقصى - Maximum Likelihood) فوضى مليئة بالضجيج والحبيبات.

ماذا يعني هذا للمستقبل؟

لا تدعي الورقة أنها حلت كل مشاكل التصوير الفوتوغرافي. فقد أشاروا إلى أن تحليلهم يفترض أن الضوء ثابت ولا يأخذ في الاعتبار كل العيوب الصغيرة في الساعات الواقعية (مثل "الارتجاف" أو انزياح الوقت)، رغم أنهم يجادلون بأن هذه التأثيرات عادة ما تكون صغيرة بما يكفي لتجاهلها. كما أشاروا إلى أن المستشعرات المختلفة لها تكاليف مختلفة: مستشعرات "التدفق الحر" معقدة ومكلفة، بينما المستشعرات "الثنائية" أبسط ويمكن أن تتميز بدقة أعلى.

ومع ذلك، فإن الرسالة الجوهرية واضحة: إذا كنت تريد الرؤية بوضوح في الضوء الساطع أو إعادة بناء صور عالية الدقة من مستشعرات الفوتون الواحد، فيجب عليك تسجيل وقت الفوتونات. توفر الورقة الإثبات الرياضي بأن الزمن هو المفتاح لفتح إمكانات المستشعر، وتقدم وصفة عملية (دالة الدرجة) لبناء ذكاء اصطناعي يمكنه القيام بذلك. ومن خلال توحيد هذه الأنماط المختلفة تحت إطار رياضي واحد، قدم المؤلفون للمهندسين خريطة واضحة لاختيار المستشعر والخوارزمية المناسبين لاحتياجاتهم، سواء كانوا يبنون كاميرا جديدة أو يحاولون الرؤية عبر الظلام.