• Home
  • Chimie
  • Astronomie
  • Énergie
  • La nature
  • Biologie
  • Physique
  • Électronique
  •  science >> Science >  >> Physique
    L'apprentissage profond et les métamatériaux rendent l'invisible visible

    Crédit :Bakhtiyar Orazbayev/EPFL

    En combinant des matériaux spécialement conçus et des réseaux de neurones, des chercheurs de l'EPFL ont montré que le son peut être utilisé dans l'imagerie à haute résolution.

    L'imagerie nous permet de représenter un objet grâce à une analyse en champ lointain des ondes lumineuses et sonores qu'il transmet ou rayonne. Plus la vague est courte, plus la résolution de l'image est élevée. Cependant, le niveau de détail est limité par la taille de la longueur d'onde en question - jusqu'à présent. Des chercheurs du Laboratoire d'ingénierie ondulatoire de l'EPFL ont prouvé avec succès qu'une longue, et donc imprécis, vague (dans ce cas une onde sonore) peut susciter des détails qui sont 30 fois plus petits que sa longueur. Pour y parvenir, l'équipe de recherche a utilisé une combinaison de métamatériaux (éléments spécifiquement conçus) et d'intelligence artificielle. Leurs recherches, qui vient de paraître dans Examen physique X , crée de nouvelles possibilités passionnantes, notamment dans les domaines de l'imagerie médicale et de la bio-ingénierie.

    L'idée révolutionnaire de l'équipe était de réunir deux technologies distinctes qui ont précédemment repoussé les limites de l'imagerie. L'un d'eux est celui des métamatériaux :des éléments spécialement conçus qui peuvent, par exemple, focaliser les longueurs d'onde avec précision. Cela dit, ils sont connus pour perdre leur efficacité en absorbant au hasard des signaux d'une manière qui les rend difficiles à déchiffrer. L'autre est l'intelligence artificielle, ou plus précisément des réseaux de neurones capables de traiter rapidement et efficacement les informations les plus complexes, bien qu'il y ait une courbe d'apprentissage impliquée.

    Dépasser ce que l'on appelle en physique la limite de diffraction, l'équipe de recherche, dirigée par Romain Fleury, a mené l'expérience suivante :ils ont d'abord créé un réseau de 64 haut-parleurs miniatures, dont chacun pourrait être activé en fonction des pixels d'une image. Ensuite, ils ont utilisé le treillis pour reproduire des images sonores de chiffres de zéro à neuf avec des détails spatiaux extrêmement précis; les images des chiffres introduits dans le treillis ont été tirées d'une base de données d'environ 70, 000 exemples manuscrits. En face du réseau, les chercheurs ont placé un sac contenant 39 résonateurs de Helmholtz (sphères de 10 cm avec un trou à une extrémité) qui ont formé un métamatériau. Le son produit par le treillis était transmis par le métamatériau et capté par quatre microphones placés à plusieurs mètres. Des algorithmes ont ensuite déchiffré le son enregistré par les microphones afin d'apprendre à reconnaître et à redessiner les images numériques d'origine.

    Un inconvénient avantageux

    L'équipe a atteint un taux de réussite de près de 90 % avec son expérience. "En générant des images avec une résolution de quelques centimètres seulement - en utilisant une onde sonore dont la longueur était d'environ un mètre - nous avons largement dépassé la limite de diffraction, " précise Romain Fleury. " De plus, la tendance des métamatériaux à absorber les signaux, qui avait été considéré comme un inconvénient majeur, s'avère être un avantage lorsque des réseaux de neurones sont impliqués. Nous avons constaté qu'ils fonctionnent mieux lorsqu'il y a beaucoup d'absorption."

    Dans le domaine de l'imagerie médicale, utiliser de longues ondes pour voir de très petits objets pourrait être une percée majeure. "Les ondes longues signifient que les médecins peuvent utiliser des fréquences beaucoup plus basses, résultant en des méthodes d'imagerie acoustique qui sont efficaces même à travers un tissu osseux dense. Lorsqu'il s'agit d'imagerie utilisant des ondes électromagnétiques, les ondes longues sont moins dangereuses pour la santé du patient. Pour ces types d'applications, nous n'entraînerions pas les réseaux de neurones à reconnaître ou reproduire des nombres, mais plutôt des structures organiques, " dit Fleury.


    © Science https://fr.scienceaq.com