Quantum-limited imaging using diffractive optical neural networks
यह शोध पत्र क्वांटम-सीमित मल्टीपैरामीटर इमेजिंग प्राप्त करने के लिए विवर्तनिक ऑप्टिकल न्यूरल नेटवर्क और फोटॉन काउंटिंग का उपयोग करते हुए एक स्केलेबल आर्किटेक्चर प्रस्तावित करता है, जो यह प्रदर्शित करता है कि यह दृष्टिकोण सूक्ष्मदर्शी (माइक्रोस्कोपी) और दूरबीन (टेलेस्कोपी) जैसे अनुप्रयोगों के लिए सूक्ष्म विशेषताओं को पुनः प्राप्त करने में मौलिक परिशुद्धता सीमाओं को संतृप्त कर सकता है और प्रत्यक्ष इमेजिंग से बेहतर प्रदर्शन कर सकता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप किसी बहुत ही सूक्ष्म चीज़ की तस्वीर लेने की कोशिश कर रहे हैं, जैसे कि एक अकेला वायरस या कोई दूर का तारा, लेकिन आपको इसे करने के लिए केवल कुछ ही फोटोन (प्रकाश के कणों) के उपयोग की अनुमति है। भौतिकी की दुनिया में, यह परम चुनौती है: एक ऐसी स्पष्ट छवि प्राप्त करना जो इतनी धुंधली हो कि प्रकाश इतना कम हो कि मापने की प्रक्रिया ही एक "धुंधलापन" पैदा कर दे जिसे क्वांटम शोर (quantum noise) कहा जाता है। सदियों से, वैज्ञानिक जानते हैं कि एक कैमरा लेंस का आकार यह सीमित करता है कि एक छवि कितनी स्पष्ट हो सकती है; इसे विवर्तन सीमा (diffraction limit) कहा जाता है। लेकिन जब आप इसमें यह तथ्य भी जोड़ देते हैं कि प्रकाश व्यक्तिगत, अस्थिर कणों से बना है, तो समस्या और भी कठिन हो जाती है। यह अंधेरे में कुछ कंकड़ फेंकने और इस बात को सुनने जैसा है कि वे कहाँ गिरते हैं, ताकि आप किसी छिपी हुई वस्तु के आकार का अनुमान लगा सकें।
यहीं पर "क्वांटम सेंसिंग" का क्षेत्र आता है। यह एक सरल लेकिन गहरा प्रश्न पूछता है: क्या हमारे डिटेक्टरों को इस तरह व्यवस्थित करने का कोई तरीका है जिससे हम उन कुछ कंकड़ों से जानकारी का हर आखिरी अंश निकाल सकें? लंबे समय तक, वैज्ञानिक केवल बहुत सरल प्रश्नों का उत्तर दे सकते थे, जैसे "दो बिंदुओं के बीच की दूरी कितनी है?" लेकिन एक जटिल, बिखरी हुई वस्तु की तस्वीर लेने के बारे में सोचना—जहाँ हर सूक्ष्म विवरण एक अलग प्रश्न है जिसका उत्तर एक साथ दिया जाना है—एक विशाल पहेली रहा है। कठिनाई इस बात में है कि क्वांटम दुनिया में, एक प्रश्न को पूरी तरह से पूछने से कभी-कभी एक ही समय में दूसरा प्रश्न पूरी तरह से पूछना असंभव हो जाता है।
ऑक्सफोर्ड विश्वविद्यालय के शोधकर्ताओं की एक टीम ने अब इस पहेली के एक बड़े हिस्से को सुलझा लिया है। उन्होंने एक जटिल वस्तु की सामान्य छवि लेने और इसे एक विशाल गणितीय समस्या के रूप में देखने का तरीका खोज निकाला है जिसमें एक साथ कई चर (variables) शामिल हैं। उन्नत गणित और एक नए प्रकार के "स्मार्ट" ऑप्टिकल डिवाइस के चतुर संयोजन का उपयोग करते हुए, उन्होंने दिखाया कि यह संभव है कि एक ऐसा कैमरा डिज़ाइन किया जाए जो भौतिकी के नियमों द्वारा अनुमत स्पष्टता की परम सैद्धांतिक सीमा तक पहुँच सके। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने कंप्यूटर पर इस प्रक्रिया का अनुकरण (simulate) किया और दिखाया कि उनका डिज़ाइन काम करता है, जो उन बारीक विवरणों को भी सफलतापूर्वक पुनः प्राप्त कर लेता है जिन्हें मानक कैमरे मिस कर देते हैं, तब भी जब प्रकाश अत्यंत दुर्लभ हो।
समस्या: क्वांटम कोहरा (The Quantum Fog)
यह समझने के लिए कि शोधकर्ताओं ने क्या किया, आइए देखें कि सामान्य कैमरे कैसे काम करते हैं। जब आप फोटो लेते हैं, तो प्रकाश किसी वस्तु से टकराकर वापस आता है और एक सेंसर से टकराता है। यदि वस्तु बहुत छोटी है या प्रकाश बहुत कम है, तो छवि धुंधली हो जाती है। यह धुंधलापन दो जगहों से आता है: प्रकाश तरंगों का भौतिकी (विवर्तन/diffraction) और प्रकाश कणों की यादृच्छिक प्रकृति (शॉट शोर/shot noise)।
प्रकाश के टकराने को एक भीड़ की तरह समझें जो एक संकीर्ण दरवाजे से गुजरने की कोशिश कर रही है। यदि दरवाजा बहुत छोटा है, तो लोग एक-दूसरे से टकराते हैं, और प्रवाह अव्यवस्थित हो जाता है। एक कम रोशनी वाले कमरे में, बहुत कम लोग (फोटोन) अंदर जाने की कोशिश कर रहे होते हैं। यदि आप केवल यह देखकर कमरे के आकार का अनुमान लगाने की कोशिश करते हैं कि ये कुछ लोग अंत में कहाँ पहुँचते हैं, तो आपका अनुमान त्रुटियों से भरा होगा।
दशकों से, वैज्ञानिक जानते थे कि आप चीजों को कितनी अच्छी तरह माप सकते हैं, इसकी एक "गति सीमा" होती है, जो हाइजनबर्ग अनिश्चितता सिद्धांत और अन्य क्वांटम नियमों द्वारा निर्धारित होती है। यह क्वांटम क्रैमर-राओ बाउंड (QCRB) है। यह हाईवे पर लगे स्पीड लिमिट साइन की तरह है: आपका वाहन चाहे कितना भी अच्छा क्यों न हो, आप इससे तेज़ नहीं जा सकते। हालाँकि, एक पेच है। यह स्पीड लिमिट मानती है कि आप एक जादुई, अत्यंत जटिल माप का उपयोग कर सकते हैं जो सभी फोटोनों को एक समूह के रूप में एक साथ देखता है। वास्तविक दुनिया में, हम आमतौर पर फोटोन को एक-एक करके मापते हैं। जब हम उन्हें व्यक्तिगत रूप से मापते हैं, तो हम एक अलग, थोड़ी धीमी गति सीमा से टकराते हैं जिसे नागाओका-हयाशी क्रैमर-राओ बाउंड (NHCRB) कहा जाता है।
बड़ा सवाल यह था: क्या हम एक वास्तविक कैमरा बना सकते हैं जो इस व्यक्तिगत-फोटोन गति सीमा तक पहुँच सके? और क्या हम इसे केवल दो बिंदुओं के बीच की दूरी मापने के बजाय, एक पूरी तस्वीर के लिए कर सकते हैं?
समाधान: एक स्मार्ट दर्पण भूलभुलैया (A Smart Mirror Maze)
शोधकर्ताओं ने एक समाधान प्रस्तावित किया है जो साइंस-फिक्शन फिल्म जैसा लगता है। उन्होंने एक उपकरण डिज़ाइन किया जिसे डिफ्रैक्टिव ऑप्टिकल न्यूरल नेटवर्क (DONN) कहा जाता है।
एक पारंपरिक कैमरा लेंस को एक साधारण कांच की खिड़की के रूप में कल्पना करें जो केवल प्रकाश को मोड़ता है। अब, उस खिड़की को हजारों छोटे, समायोजते योग्य दर्पणों की एक भूलभुलैया से बदलने की कल्पना करें। इन दर्पणों को इस तरह प्रोग्राम किया जा सकता है कि वे डिटेक्टर तक पहुँचने से पहले प्रकाश को बहुत विशिष्ट, जटिल तरीकों से घुमा सकें। यह DONN है। यह एक "स्मार्ट" लेंस की तरह है जो केवल प्रकाश को केंद्रित नहीं करता है, बल्कि सक्रिय रूप से इसे पुनर्व्यवस्थित करता है ताकि सबसे महत्वपूर्ण विवरण उभर कर सामने आ सकें।
यहाँ बताया गया है कि इस स्मार्ट लेंस को कैसे प्रशिक्षित किया गया:
- पहले गणित: उन्होंने एक विशिष्ट वस्तु के लिए प्रकाश को मापने के सर्वोत्तम तरीके की गणना करने के लिए एक शक्तिशाली कंप्यूटर एल्गोरिदम (जिसे सेमीडेफिनेट प्रोग्रामिंग कहा जाता है) का उपयोग किया। इस गणना ने उन्हें ठीक से बताया कि यदि वे इसे बना सकते, तो "परफेक्ट" माप कैसा दिखता।
- प्रशिक्षण: DONN को हाथ से बनाने के बजाय, उन्होंने इसे "सिखाया"। उन्होंने कंप्यूटर को दर्पणों (फेज मास्क) की सेटिंग्स को बार-बार समायोजित करने दिया, जिससे अंतिम छवि में त्रुटि को कम करने का प्रयास किया गया। कंप्यूटर ने दर्पणों को इस तरह व्यवस्थित करना सीख लिया ताकि डिटेक्टर तक पहुँचने वाला प्रकाश अधिकतम संभव जानकारी प्रदान करे।
- परिणाम: प्रशिक्षित DONN ने प्रकाश को एक विशिष्ट पैटर्न में छाँटना सीख लिया जिसने उन्हें पूर्ण दक्षता के साथ छवि को पुनर्गठित करने की अनुमति दी।
निष्कर्ष: धुंधलेपन को मात देना (Beating the Blur)
टीम ने अपने विचार का परीक्षण करने के लिए व्यापक सिमुलेशन चलाए। उन्होंने 540 nm (हरे रंग की रोशनी) की तरंग दैर्ध्य और 1.4 के न्यूमेरिकल अपर्चर वाले लेंस का उपयोग किया। इन सिमुलेशन में, उन्होंने अपने स्मार्ट DONN कैमरे की तुलना एक मानक "डायरेक्ट इमेजिंग" (DI) कैमरे से की, जो केवल एक नियमित लेंस और सेंसर है।
परिणाम चौंकाने वाले थे:
- एकल विवरण: जब उन्होंने किसी वस्तु की केवल एक विशेषता को मापने की कोशिश की, तो DONN ने सैद्धांतिक क्वांटम सीमा को प्राप्त कर लिया। यह भौतिकी द्वारा संभव सर्वोत्तम स्तर के बराबर था।
- एकाधिक विवरण: जब उन्होंने एक ही समय में दो या अधिक विशेषताओं को मापने की कोशिश की, तो मानक कैमरा विफल होने लगा। "धुंधलापन" बढ़ गया क्योंकि एक विवरण को मापने से दूसरे में हस्तक्षेप हुआ। हालाँकि, DONN ने इस हस्तक्षेप को पूरी तरह से संभाल लिया। इसने NHCRB को प्राप्त किया, जो चीजों को एक समय में एक फोटोन के साथ मापने के लिए सबसे अच्छा संभव स्तर है।
- जटिल छवियां: उन्होंने जटिल 2D छवियों पर इसका परीक्षण किया, जिसमें एक कृत्रिम परमाणु जाली (atomic lattice) और एक सूक्ष्मदर्शी छवि जिसमें एक डायटम (एक छोटा शैवाल) Amphipleura pellucida शामिल था। मानक कैमरा एक धुंधला दृश्य प्रस्तुत करता था जहाँ सूक्ष्म विवरण खो गए थे। हालाँकि, DONN ने अविश्वसनीय स्पष्टता के साथ छवि को पुनर्गठित किया, जिससे 200 nm जितने छोटे अंतर वाले फीचर्स भी दिखाई दिए, जो कि भौतिक रूप से संभव सीमा के बिल्कुल करीब है।
एक विशिष्ट परीक्षण में, उन्होंने पाया कि एक एकल विवरण पर समान स्तर की स्पष्टता प्राप्त करने के लिए, मानक कैमरे को DONN की तुलना में कई गुना अधिक फोटोन की आवश्यकता थी। यह जीव विज्ञान जैसे क्षेत्रों के लिए एक बड़ी बात है, जहाँ बहुत अधिक रोशनी डालने से नमूना मर सकता है, या खगोल विज्ञान में, जहाँ दूर के तारों से आने वाला प्रकाश अत्यंत मंद होता है।
इसका क्या अर्थ है
यह शोध पत्र प्रदर्शित करता है कि आर्टिफिशियल इंटेलिजेंस के साथ क्वांटम सिद्धांत को जोड़कर, हम ऐसे कैमरे डिज़ाइन कर सकते हैं जो आज हमारे पास मौजूद किसी भी चीज़ से मौलिक रूप से बेहतर हैं। शोधकर्ताओं ने दिखाया कि उनकी विधि 1D और 2D दोनों वस्तुओं के लिए काम करती है और इस उपकरण को यह जाने बिना प्रशिक्षित किया जा सकता है कि वस्तु वास्तव में कैसी दिखती है।
हालाँकि ये परिणाम वर्तमान में कंप्यूटर सिमुलेशन पर आधारित हैं, लेकिन इस भौतिक उपकरण को बनाने की तकनीक (फेज मास्क की परतों और फोटॉन-काउंटिंग डिटेक्टरों का उपयोग करके) पहले से ही मौजूद है और विकसित की जा रही है। लेखक सुझाव देते हैं कि यह दृष्टिकोण सुपर-रेज़ोल्यूशन माइक्रोस्कोपी में क्रांति ला सकता है, जहाँ वैज्ञानिकों को चमकदार रोशनी से कोशिकाओं के भीतर सूक्ष्म संरचनाओं को नुकसान पहुँचाए बिना उन्हें देखने की आवश्यकता होती है, साथ ही टेलीस्कोप इमेजिंग और रिमोट सेंसिंग में भी।
संक्षेप में, टीम ने एक "स्मार्ट" ऑप्टिकल भूलभुलैया को एक ऐसे कैमरा डिज़ाइन में बदलने का तरीका खोज लिया है जो ब्रह्मांड द्वारा अनुमत सबसे तीक्ष्ण आँखों के साथ दुनिया को देख सकता है। उन्होंने भौतिकी के नियमों को तोड़ा नहीं है, बल्कि वे अंततः उस गति सीमा के बिल्कुल करीब पहुँचना सीख गए हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।