Comme nos yeux, les microscopes sont limités dans ce qu'ils peuvent voir en raison de leur résolution, ou leur capacité à voir les détails. Le détail, ou des informations, de l'objet est là, mais une partie se perd lorsque la lumière réfléchie par l'objet se déplace dans l'air.

Oulougbek Kamilov, ingénieur à la School of Engineering &Applied Science de l'Université de Washington à St. Louis, prévoit d'utiliser une période de trois ans, 265 $, 293 subvention de la National Science Foundation pour capturer les informations qui se perdent normalement et les ajouter aux informations que les chercheurs reçoivent généralement des microscopes. Finalement, ce travail, avec celui de son collaborateur, Lei Tian à l'Université de Boston, peut conduire à un microscope plus précis qui peut voir des objets aussi minuscules que 100 nanomètres, tels que les virus. Actuellement, les microscopes ont une limite de résolution d'environ 500 nanomètres, ce qui leur permet de voir les bactéries. Un cheveu humain, par exemple, est 100, 000 nanomètres de large.

"Toute la prémisse de ceci est construite sur un seul fait :la façon dont la lumière interagit avec n'importe quelle matière est linéaire, " dit Kamilov, professeur adjoint d'ingénierie électrique et des systèmes et d'informatique et d'ingénierie. "Mais la réalité est que l'interaction n'est en fait pas linéaire."

Par exemple, si tu fais briller une lampe de poche dans ta main, vous ne pouvez pas voir la source de la lumière parce qu'elle se penche, et c'est la non-linéarité. Avec une seule cellule, le pliage est si léger qu'il est presque transparent, qui est linéaire.

Lorsque la lumière interagit avec une cellule ou un objet, la lumière sortant de la cellule perd les informations qu'elle recueille de cette interaction. Mais à cause de cette interaction, il y a des fluctuations à proximité de cette cellule qui travaillent avec une telle matière et se retransforment et se remettent. Ces fluctuations sont codées dans la non-linéarité de l'interaction, mais les microscopes d'aujourd'hui sont incapables de voir cela, dit Kamilov.

"Nous voulons prendre en compte cette interaction non linéaire de la lumière, objets et locaux, et si nous le faisons correctement, nous pouvons extraire ces informations, qui disparaît normalement dans un microscope courant et est traité comme « bruit, '", a déclaré Kamilov. "Nous voulons décoder les informations du bruit et les rajouter dans la résolution, et cela devrait nous donner des fonctionnalités plus petites que la limite de résolution."

Kamilov a déclaré qu'il existe deux types de bruit :les imperfections et le bruit mathématique qui est le résultat des limitations actuelles de la science. C'est le bruit mathématique qu'il veut capter.

"En réalité, que le bruit est une information, et nous voulons utiliser ces informations pour briser la barrière et voir au-delà de la limite de résolution, " il a dit.

collaborateur de Kamilov, Tian, professeur assistant en génie électrique et informatique, a reçu 250 $, 707 subvention de la NSF pour construire un nouveau microscope qui utilisera les résultats de calcul de Kamilov, algorithmes et logiciels et pourraient être utilisés en imagerie médicale, imagerie biologique et matérielle, cartographie du cerveau et découverte de médicaments. Ensemble, l'ensemble des études totalise 516 $, 000.

Kamilov prévoit également d'utiliser l'apprentissage automatique pour apprendre les caractéristiques des objets qu'ils regardent avec le microscope.

« Nous voulons examiner les caractéristiques distinctives des cellules afin que lorsque nous les combinons avec les mesures non linéaires et fusionnons ces informations, nous pourrons obtenir des images de plus haute résolution, ", a-t-il déclaré. "Nous espérons obtenir jusqu'à cinq fois plus d'améliorations."

Kamilov utilise des unités de traitement graphique (GPU) de haute puissance dans son laboratoire, ce qui accélère considérablement le temps de traitement. Ce qui a pris deux jours de traitement sur un ordinateur ordinaire ne prend que quelques millisecondes sur un GPU, il a dit.

"Ce projet arrive à point nommé, parce que nous avons la sophistication mathématique du traitement du signal, les outils de calcul et le machine learning, " at-il dit. " Toutes ces choses se sont améliorées ensemble. Il aurait été très difficile de réaliser ce projet il y a 10 ans."