• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • Ingenjör för att kombinera matematik, maskininlärning och signalbehandling för att lägga grunden för högupplösta mikroskop

    Ingenjörer vid Washington University i St Louis undersöker nya tekniker som kan leda till bättre, mer exakta mikroskop. Kredit:Washington University i St. Louis

    Som våra ögon, mikroskop är begränsade i vad de kan se på grund av deras upplösning, eller deras förmåga att se detaljer. Detaljen, eller information, från objektet är där, men en del av det går förlorat när ljuset som reflekteras från föremålet rör sig genom luften.

    Ulugbek Kamilov, ingenjör vid School of Engineering &Applied Science vid Washington University i St. Louis, planerar att använda en treårig, $265, 293 anslag från National Science Foundation för att fånga informationen som normalt går förlorad och lägga till den information som forskare vanligtvis får från mikroskop. I sista hand, detta jobb, tillsammans med sin medarbetares, Lei Tian vid Boston University, kan leda till ett mer exakt mikroskop som kan se objekt så små som 100 nanometer, såsom virus. För närvarande, mikroskop har en upplösningsgräns på cirka 500 nanometer, vilket gör att de kan se bakterier. Ett människohår, till exempel, är 100, 000 nanometer bred.

    "Hela premissen för detta bygger på ett enda faktum - hur ljus interagerar med någon materia är linjär, sa Kamilov, biträdande professor i el- och systemteknik och datavetenskap och teknik. "Men verkligheten är att interaktionen faktiskt inte är linjär."

    Till exempel, om du lyser med en ficklampa genom din hand, du kan inte se källan till ljuset eftersom det böjer sig, och det är olinjäritet. Med en enda cell, böjningen är så lätt att den är nästan genomskinlig, som är linjär.

    När ljus interagerar med en cell eller ett föremål, ljuset som går ut ur cellen förlorar informationen som det samlar in från den interaktionen. Men på grund av den interaktionen, det finns fluktuationer i närheten av den cellen som arbetar med sådan materia och blir omvandlade och remitterade. Dessa fluktuationer kodas in i interaktionens olinjäritet, men dagens mikroskop kan inte se detta, sa Kamilov.

    "Vi vill ta hänsyn till denna olinjära interaktion av ljus, föremål och lokaler, och om vi gör det rätt, vi kan extrahera den informationen, som normalt försvinner i ett aktuellt mikroskop och behandlas som "brus, "" sa Kamilov. "Vi vill avkoda informationen från bruset och lägga till den igen i upplösningen, och det borde ge oss funktioner som är mindre än upplösningsgränsen."

    Kamilov sa att det finns två typer av brus:ofullkomligheter och matematiskt brus som är resultatet av vetenskapens nuvarande begränsningar. Det är det matematiska bruset han vill fånga.

    "I verkligheten, att buller är information, och vi vill använda den informationen för att bryta barriären för att se bortom upplösningsgränsen, " han sa.

    Kamilovs medarbetare, Tian, biträdande professor i el- och datateknik, fick 250 $, 707 bidrag från NSF för att bygga ett nytt mikroskop som kommer att använda Kamilovs beräkningsresultat, algoritmer och programvara och kan användas i medicinsk bildbehandling, biologisk och materiell avbildning, hjärnkartläggning och drogupptäckt. Tillsammans, uppsättningen studier uppgår till $516, 000.

    Kamilov planerar också att använda maskininlärning för att lära sig egenskaperna hos föremålen de tittar på med mikroskopet.

    "Vi vill titta på de utmärkande egenskaperna hos celler så att när vi kombinerar dem med de olinjära måtten och smälter den informationen, vi kommer att kunna få bilder med högre upplösning, " sa han. "Vi hoppas kunna få upp till fem gånger förbättring."

    Kamilov använder kraftfulla grafiska bearbetningsenheter (GPU) i sitt labb, vilket avsevärt påskyndar handläggningstiden. Det som tog två dagars bearbetning på en vanlig dator tar bara millisekunder på en GPU, han sa.

    "Detta projekt är mycket lägligt, eftersom vi har den matematiska sofistikeringen av signalbehandling, beräkningsverktygen och maskininlärning, " sa han. "Alla dessa saker har förbättrats tillsammans. Det skulle ha varit väldigt svårt att göra det här projektet för 10 år sedan."


    © Vetenskap https://sv.scienceaq.com