材料百态

通过将特制材料和人工智能神经网络相结合，洛桑联邦理工学院科学家，现在已经证明并实现声波可以用于高分辨率成像。成像技术能让我们通过对物体发射或辐射的光波和声波进行远场分析来描绘物体。波形越短，图像的分辨率就越高。然而，到目前为止，细节水平受到所讨论波长大小的限制。洛桑联邦理工学院科学家已经成功地证明，声波可以得出比其波长小30倍的细节。

为了实现这一点，研究人员使用了超材料（特别是工程元素）和人工智能的结合，其研究成果发表在《物理评论X》期刊上，正在创造令人兴奋的新可能性，特别是在医学成像和生物工程领域。该研究团队的突破性想法是将两项独立的技术结合在一起，这两项技术之前已经突破了成像的界限。其中之一是超材料：例如，可以精确聚焦波长的特制元件。

这就是说，众所周知，它们会因为随意吸收信号而失去效力，而这种方式使得它们很难破译。另一种是人工智能，更具体地说是神经网络，它可以快速有效地处理即使是最复杂的信息，尽管涉及到一个学习曲线。为了超过物理学中已知的衍射极限，由罗曼·弗勒里(Romain Fleury)领导的研究小组进行了以下实验：首先创建了一个由64个微型扬声器组成的晶格，每个扬声器可以根据图像中的像素激活。

然后使用晶格以极其精确的空间细节再现了从0到9的数字的声音图像；输入到网格中的数字图像是从大约7万个手写样本的数据库中提取。在格子的对面放置了一个袋子，里面装着39个亥姆霍兹谐振器(10厘米的球体，一端有一个洞)，形成了一种超材料。晶格产生的声音由超材料传输，并被放置在几米外的四个麦克风捕获。然后，算法对麦克风录制的声音进行解密，以学习如何识别和重新绘制原始数字图像。

有利的缺点

实验获得了近90%的成功率，通过生成分辨率仅为几厘米的图像（-使用长度约为一米的声波）远远超过了衍射极限。此外，超材料吸收信号的倾向一直被认为是一大缺点，但当涉及神经网络时，这被证明是一种优势，研究发现，当有大量吸收时，它们的工作效果更好。在医学成像领域，利用长波观察非常小的物体可能是一个重大突破。

长波意味着医生可以使用低得多的频率，声成像方法即使在致密骨组织中也是有效的。当谈到使用电磁波的成像时，长波对患者健康的危害较小。对于这些类型的应用，研究不会训练神经网络识别或复制数字，而是训练神经网络识别或复制有机结构。

【我们尊重原创，也注重分享。版权原作者所有，如有侵犯您的权益请及时联系，我们将第一时间删除。分享内容不代表本网观点，仅供参考。】