• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  • Ingeniero para combinar matemáticas, el aprendizaje automático y el procesamiento de señales para sentar las bases de un microscopio de alta resolución

    Los ingenieros de la Universidad de Washington en St. Louis están investigando nuevas técnicas que podrían conducir a mejores, microscopios más precisos. Crédito:Universidad de Washington en St. Louis

    Como nuestros ojos Los microscopios están limitados en lo que pueden ver debido a su resolución, o su capacidad para ver los detalles. El detalle, o información, del objeto está ahí, pero una parte se pierde cuando la luz que se refleja en el objeto se mueve por el aire.

    Ulugbek Kamilov, ingeniero de la Escuela de Ingeniería y Ciencias Aplicadas de la Universidad de Washington en St. Louis, planea usar un período de tres años, $ 265, 293 de la National Science Foundation para capturar la información que normalmente se pierde y agregarla a la información que los investigadores suelen recibir de los microscopios. Por último, este trabajo, junto con el de su colaborador, Lei Tian en la Universidad de Boston, puede conducir a un microscopio más preciso que puede ver objetos tan minúsculos como 100 nanómetros, como virus. En la actualidad, Los microscopios tienen un límite de resolución de aproximadamente 500 nanómetros, lo que les permite ver bacterias. Un cabello humano por ejemplo, es 100, 000 nanómetros de ancho.

    "Toda la premisa de esto se basa en un solo hecho:la forma en que la luz interactúa con cualquier materia es lineal, "dijo Kamilov, profesor asistente de ingeniería eléctrica y de sistemas e ingeniería y ciencias de la computación. "Pero la realidad es que la interacción no es lineal".

    Por ejemplo, si haces brillar una linterna a través de tu mano, no puedes ver la fuente de la luz porque se está doblando, y eso es no linealidad. Con una sola celda la flexión es tan ligera que es casi transparente, que es lineal.

    Cuando la luz interactúa con una celda o un objeto, la luz que sale de la celda pierde la información que obtiene de esa interacción. Pero debido a esa interacción, hay fluctuaciones en las proximidades de esa celda que trabajan con esa materia y se vuelven a transformar y remitir. Esas fluctuaciones están codificadas en la no linealidad de la interacción, pero los microscopios de hoy no pueden ver esto, Dijo Kamilov.

    "Queremos tener en cuenta esta interacción no lineal de la luz, objetos y locales, y si lo hacemos correctamente, podemos extraer esa información, que normalmente desaparece en un microscopio actual y se trata como 'ruido, '", Dijo Kamilov." Queremos decodificar la información del ruido y volver a agregarla a la resolución, y eso debería darnos características que son más pequeñas que el límite de resolución ".

    Kamilov dijo que hay dos tipos de ruido:imperfecciones y ruido matemático que es el resultado de las limitaciones actuales de la ciencia. Es el ruido matemático lo que quiere capturar.

    "En realidad, que el ruido es información, y queremos usar esa información para romper la barrera y ver más allá del límite de resolución, " él dijo.

    Colaborador de Kamilov, Tian, profesor asistente de ingeniería eléctrica e informática, recibió $ 250, 707 subvención de la NSF para construir un nuevo microscopio que utilizará los resultados computacionales de Kamilov, algoritmos y software y podría utilizarse en imágenes médicas, imágenes biológicas y materiales, mapeo cerebral y descubrimiento de fármacos. Juntos, el conjunto de estudios asciende a $ 516, 000.

    Kamilov también planea usar el aprendizaje automático para aprender las características de los objetos que están mirando con el microscopio.

    "Queremos observar las características distintivas de las células para que cuando las combinemos con las mediciones no lineales y fusionemos esa información, podremos obtener imágenes de mayor resolución, ", dijo." Esperamos obtener una mejora de hasta cinco veces ".

    Kamilov utiliza unidades de procesamiento gráfico (GPU) de alta potencia en su laboratorio, lo que acelera significativamente el tiempo de procesamiento. Lo que tomó dos días de procesamiento en una computadora normal toma solo milisegundos en una GPU, él dijo.

    "Este proyecto es muy oportuno, porque tenemos la sofisticación matemática del procesamiento de señales, las herramientas computacionales y el aprendizaje automático, ", dijo." Todas esas cosas han mejorado juntas. Habría sido muy difícil hacer este proyecto hace 10 años ".


    © Ciencia https://es.scienceaq.com