Superresolution imaging across scales

매우 작은 것을 보는 세계에는 1세기 넘게 서 있던 완고한 벽이 있습니다. 그것은 빛이 특정 크기보다 작은 점으로 집중될 수 없다는 물리학의 근본적인 법칙인 회절 한계라고 불립니다. 두 글자가 너무 가까이 인쇄되어 그 흐릿한 가장자리가 하나의 불분명한 얼룩으로 합쳐지는 상황을 상상해 보십시오. 렌즈가 아무리 강력하더라도, 두 광원에서 나오는 빛의 파동이 너무 많이 겹치면 빛은 서로 섞여 버리고, 눈이나 카메라는 오직 하나의 물체만을 보게 됩니다. 수십 년 동안 과학자들은 이를 깨뜨릴 수 없는 장벽으로 받아들였습니다. 그들은 이를 우회하기 위해 영리한 방법들을 개발했지만, 핵심적인 문제는 여전히 남아 있었습니다. 두 개의 아주 작은 광원이 너무 가까워지면, 그 결합된 빛은 특징 없는 평평한 언덕이 되어 그 아래에 두 개의 별개 존재가 숨어 있다는 단서조차 제공하지 못하게 됩니다.

이 장벽은 스패로 한계(Sparrow limit)로 알려져 있습니다. 이는 두 광원 사이의 골짜기가 완전히 사라져 결합된 빛의 상단이 완벽하게 평평해지는 특정한 조건에서 이름을 따왔습니다. 이 정확한 순간에 두 광원은 통계적으로 구분이 불가능해집니다. 한 광원의 빛이 다른 광원의 빛과 너무 완벽하게 섞여 버려, 마치 하나의 발광체처럼 보이기 때문입니다. 오랫동안 이것은 광학 이미징의 절대적인 한계점으로 간주되었습니다. 만약 골짜기를 볼 수 없다면, 두 물체를 볼 수 없다는 것이었습니다. 그러나 새로운 연구는 이 한계가 자연의 법칙이 아니라, 우리가 데이터를 바라보는 방식의 한계임을 시사합니다. 카메라에 포착된 가공되지 않은 숫자들에 특정 수학적 기법을 적용함으로써, 연구자들은 두 광원의 빛이 하나로 합쳐졌을 때조차도 두 광원을 분리해 낼 수 있음을 보여주었습니다.

연구팀은 대학과 연구소들로 구성된 우루과이, 쿠바, 멕시코, 영국 출신의 과학자들로, MeanShift라는 방법이 이 장벽을 깰 수 있다는 것을 증명하고자 했습니다. 그들은 MSSR(MeanShift SuperResolution)이라고 알려진 기술에 집중했습니다. 그들이 무엇을 했는지 이해하기 위해, 이미지의 밝기를 나타내는 언덕과 골짜기의 풍경을 그려보십시오. 스패로 한계에 있는 두 개의 매우 가까운 광원을 찍은 표준 사진에서, 그 사이의 지형은 평평한 고원 형태를 띱니다. MeanShift 방식은 이 풍경의 모든 지점을 살피며 단순한 질문을 던지는 스마트한 가이드와 같습니다. "어디에서 빛이 더 밀집되어 있는가?" 그런 다음 그 지점을 가장 밀도가 높은 영역 쪽으로 약간 이동시킵니다. 이 과정이 두 개로 합쳐진 빛 사이의 평평한 고원에 적용될 때, 놀라운 일이 일어납니다. 알고리즘은 단순히 이미지를 매끄럽게 만드는 것에 그치지 않고, 이미지를 능동적으로 재형성합니다. 알고리즘은 평평한 지점의 중심에서 빛을 밀어내어 양옆으로 집중시키며, 이전에 존재하지 않았던 새로운 골짜기를 효과적으로 깎아 만듭니다.

연구팀은 이러한 재형성이 컴퓨터의 우연이나 속임수가 아니라, 수학의 예측 가능한 결과라는 엄밀한 수학적 증명을 최초로 제시했습니다. 그들은 두 광원이 매끄러운 종 모양의 곡선으로 모델링되었을 때, 두 광원이 구별 불가능해지는 지점은 이들의 너비에 대한 특정 척도의 정확히 두 배만큼 떨어져 있을 때라는 것을 입증했습니다. 이 정확한 거리에서 결합된 빛의 프로파일은 완벽하게 평평해집니다. 연구진은 이어 가장 밀도가 높은 영역을 가리키는 MeanShift 벡터가 이 평평한 영역의 중간에 뚜렷한 정점을 만든다는 것을 보여주었습니다. 이 정점은 두 광원을 드러내는 첫 번째 단계입니다. 전체 MSSR 과정이 적용되면, 이 정점은 반전되어 깊은 골짜기가 되고, 두 광원을 분리하여 다시 별개의 개체로 볼 수 있게 합니다. 이는 이 한계가 물리적인 단단한 벽이 아니라, 계산을 통해 변경할 수 있는 원시 데이터의 특징임을 증명합니다나.

이것이 단지 종이 위에서만 작동하는 이론이 아님을 확인하기 위해, 연구팀은 세 가지 매우 다른 분야의 실제 데이터를 사용하여 테스트를 진행했습니다. 그들은 현미경에 사용되는 형광 점, 칩 위의 레이저가 만들어낸 패턴, 그리고 밤하늘의 별 이미지를 살펴보았습니다. 모든 경우에 이 방법은 작동했습니다. 현미경 이미지에서 그들은 전통적인 카메라가 단지 흐릿한 얼룩으로만 보는 거리만큼 떨어져 있는 형광 점들을 구별해 냈습니다. 또한 그들은 원소가 방출하는 빛의 에너지로 원소를 식별하는 방법인 X선 분광법에도 이 기술을 적용했습니다. 여기서 '거리'는 물리적 공간이 아니라 에너지의 차이입니다. 연구팀은 보통 너무 가까워서 데이터상에서 하나의 덩어리로 보이는 몰리브덴과 황의 겹쳐진 에너지 피크를 성공적으로 분리해 냈습니다. 동일한 수학적 논리를 사용함으로써, 그들은 이 덩어리들을 나누고 두 원소를 명확하게 식별할 수 있었습니다.

연구팀은 또한 이 새로운 접근 방식을 미세한 것을 보기 위해 사용되는 다른 고급 방법들과 비교했습니다. 그들은 자신들의 기술을 Lucy-Richardson 디컨볼루션(deconvolution) 및 이미지를 선명하게 만들기 위해 설계된 다른 기존 알고리즘들과 테스트했습니다. 결과는 일부 오래된 방법들이 광원 사이에 약간의 골짜기를 만들 수는 있었지만, MeanShift 방식이 훨씬 더 효과적으로 명확한 분리를 만들어냈으며, 심지어 광원이 생각할 수 있는 한계의 끝에 있을 때도 그러했다는 것을 보여주었습니다. 연구팀은 이 방법의 성공 여부가 알고리즘이 가장 밀집된 빛을 찾기 위해 얼마나 멀리까지 살필지를 결정하는 반지름이라는 특정 설정에 달려 있다는 것을 발견했습니다. 그들은 이 반지름이 광원의 크기에 비해 특정 임계값 미만으로 유지되는 한, 이 방법은 항상 숨겨진 분리를 밝혀내는 데 성공할 것이라고 계산했습니다.

이 발견이 중요한 이유는 이미징의 가능성에 대한 대화를 바꾸기 때문입니다. 수년 동안 초점은 더 많은 정보를 포착하기 위해 더 나은 렌즈를 만들거나 더 복잡한 광학 설계를 사용하는 데 맞춰져 왔습니다. 이 연구는 정보가 이미 그곳에, 이미지의 통계적 노이즈 속에 숨겨진 채로 적절한 수학적 열쇠에 의해 해제되기를 기다리고 있음을 보여줍니다. 연구진은 현미경이나 망원경을 바꿀 필요가 없었습니다. 그들은 단지 캡처된 이후의 데이터를 처리하는 방식을 바꾸었을 뿐입니다. 단일 이미지와 특정 계산을 통해 스패로 한계를 넘어설 수 있음을 증명함으로써, 그들은 값비싼 새로운 하드웨어 없이도 생물학, 천문학, 재료 과학에서 더 미세한 세부 사항을 볼 수 있는 문을 열었습니다. 회절 한계의 벽은 가공되지 않은 빛에 대해서는 여전히 존재하지만, 스패로 한계의 벽은 투과 가능하다는 것이 입명되었으며, 이를 통해 우리는 눈앞에 숨어 있던 두 개의 뚜렷한 광원을 볼 수 있게 되었습니다.