- Forscher in Wien haben eine Methode entwickelt, um Objekte durch trübe Substanzen präzise zu lokalisieren, die in Medizin und Materialwissenschaft Anwendung finden könnte. Die Methode nutzt Künstliche Intelligenz, um nahezu die maximale theoretische Genauigkeit bei der Positionsbestimmung zu erreichen. Ein zentrales Konzept ist die Fisher-Information, die misst, wie viel Information ein gestörtes optisches Signal enthält. Ein eigens entwickeltes neuronales Netzwerk extrahiert Schlüsselinformationen aus komplexen Lichtfeldern, um Objektpositionen präzise zu schätzen. Die Methode wurde durch internationale Zusammenarbeit gestärkt, bei der Experten aus Wien, Frankreich und Schottland theoretische und praktische Expertise einbrachten.
In der Welt der Physik gibt es bahnbrechende Fortschritte: Forscher in Wien haben eine bemerkenswerte Methode entwickelt, um Objekte zu lokalisieren, deren Licht entweder reflektiert oder durch eine trübe Substanz gestreut wird. Diese Innovation könnte insbesondere in der Medizin und der Materialwissenschaft revolutionäre Anwendungen finden. Der Clou der Methode liegt in der Nutzung Künstlicher Intelligenz, die es ermöglicht, nahezu die theoretisch maximale Genauigkeit bei der Bestimmung der Objektposition zu erreichen.
Ein Kernproblem in der medizinischen Bildgebung besteht darin, dass Licht beim Durchdringen biologischer Gewebe gestreut wird, was zu signifikanten Informationsverlusten führt. Solche Herausforderungen schilderte Stefan Rotter von der TU Wien eindrücklich am Beispiel der Lokalisierung fluoreszierender Moleküle in Geweben. Die zentrale Frage, die sich das Forscherteam stellte, lautete: Wie viel der verlorenen Informationen lässt sich prinzipiell zurückgewinnen? Die Antwort liefert die „Fisher-Information“, ein Maß für die Menge an nutzbarer Information in einem gestörten optischen Signal. Ist der Wert der Fisher-Information gering, wird eine präzise Ortung nahezu unmöglich.
Das Potenzial der Fisher-Information
„Fisher-Information“ beschreibt, wie viel Information ein durch Störungen beeinflusstes Signal über die Position eines Objekts enthält. Dieser Begriff spielt bei Schätzproblemen eine zentrale Rolle. Ein Lehrer, der den Wissensstand seiner Schüler beurteilen möchte, kann nur so viel aus einem einstündigen Test herauslesen. Würde der Test länger dauern, wäre eine detailliertere Beurteilung möglich. In der experimentellen Physik entpuppt sich die Fisher-Information ebenso als begrenzender Faktor.
Ein neuronales Netzwerk, entwickelt von den Wiener Physikern, extrahiert aus einem komplexen Lichtfeld die essentiellen Informationen, um die Position eines Objekts so präzise wie theoretisch möglich zu schätzen. Doch die zu erfassende Beleuchtungszeit – und damit die verfügbare Informationsmenge – ist begrenzt. Das neuronale Netzwerk, dediziert für diese Aufgabe entwickelt, erreicht nach entsprechendem Training nahezu die Genauigkeitsschranke.
Interdisziplinäre Zusammenarbeit
Die erfolgreiche Realisierung dieser Methode verdankt sich einer internationalen Zusammenarbeit: Theoretische Arbeiten stammen aus Wien, während Kollegen aus Frankreich und Schottland die praktischen Experimente vornahmen. Diese Experimente umfassten die Aufnahme zahlreicher Bilder eines Objekts mit variabler Position durch eine trübe Schicht. Daraufhin wurde die Künstliche Intelligenz so trainiert, dass sie Muster identifizieren lernte, die bestimmten Positionen des Objekts entsprechen. Nach gründlichem Training konnte sie selbst bei neuen Bildern die Objektposition mit beeindruckender Genauigkeit vorhersagen.
Die Vorteile dieser Methode sind weitreichend. In der medizinischen Diagnostik und der Materialforschung eröffnen sich durch den Einsatz von KI optimierten optischen Messverfahren neue Perspektiven. Der ultimative Benchmark bleibt die Fisher-Information; diese Schranke nicht überschreiten zu können, bestätigt die Gültigkeit physikalischer Prinzipien. Und wenn das neuronale Netzwerk diese theoretische Grenze erreicht, ist das Training erfolgreich beendet.
