Heç bir şəkil sonsuz kəskin deyil. 150 ildir ki, mikroskop və ya kameranı nə qədər ustalıqla qurmağınızdan asılı olmayaraq, həmişə prinsipcə aşıla bilməyən fundamental ayırdetmə məhdudiyyətlərinin olduğu məlumdur. Zərrəciyin mövqeyi heç vaxt sonsuz dəqiqliklə ölçülə bilməz; müəyyən miqdarda bulanıqlıq qaçınılmazdır. Bu məhdudiyyət texniki zəifliklərdən deyil, işığın fiziki xüsusiyyətlərindən və informasiyanın ötürülməsindən irəli gəlir.

TU Wien (Vyana), Qlazqo Universiteti və Qrenobl Universiteti belə bir sual qoydular: Optik üsullarla mümkün olan mütləq dəqiqlik həddi haradadır? Və bu limitə mümkün qədər yaxından necə yanaşmaq olar?

Və həqiqətən də, beynəlxalq komanda nəzəri cəhətdən əldə edilə bilən dəqiqlik üçün ən aşağı həddi müəyyən etməyə və müvafiq təlimdən sonra bu həddə çox yaxınlaşan neyron şəbəkələr üçün AI alqoritmlərini inkişaf etdirməyə müvəffəq oldu. Bu strategiya indi tibbdə istifadə olunanlar kimi görüntüləmə prosedurlarında istifadə ediləcək. Tədqiqat Nature Photonics jurnalında dərc olunub .

Dəqiqlik üçün mütləq məhdudiyyət

TU Wien Nəzəri Fizika İnstitutundan professor Stefan Rotter deyir: “Təsəvvür edək ki, biz nizamsız, buludlu şüşənin arxasında kiçik bir obyektə baxırıq”. “Biz sadəcə obyektin təsvirini deyil, çoxlu daha açıq və daha tünd işıq ləkələrindən ibarət mürəkkəb işıq nümunəsini görürük. İndi sual olunur: obyektin əslində bu təsvirə əsaslanaraq harada olduğunu nə dərəcədə dəqiq təxmin edə bilərik və bu dəqiqliyin mütləq həddi haradadır?”

Bu cür ssenarilər, məsələn, biofizikada və ya tibbi görüntüləmədə vacibdir. İşıq bioloji toxuma tərəfindən səpələndikdə, daha dərin toxuma strukturları haqqında məlumatı itirdiyi görünür. Bəs bu məlumatların nə qədəri prinsipcə bərpa edilə bilər? Bu sual təkcə texniki xarakter daşımır, həm də fizikanın özü burada fundamental məhdudiyyətlər qoyur.

Bu sualın cavabı nəzəri ölçü ilə verilir: sözdə Fisher məlumatı. Bu ölçü, optik siqnalın naməlum parametr, məsələn, obyektin mövqeyi haqqında nə qədər məlumat ehtiva etdiyini təsvir edir. Fisher məlumatı aşağı olarsa, siqnalın nə qədər mürəkkəb təhlil edilməsindən asılı olmayaraq, dəqiq müəyyən etmək artıq mümkün deyil. Bu Fisher məlumat konsepsiyasına əsaslanaraq, komanda müxtəlif eksperimental ssenarilərdə nəzəri cəhətdən əldə edilə bilən dəqiqliyin yuxarı həddini hesablaya bildi.

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=280&slotname=8188791252&adk=1645945215&adf=308666314&pi=t.ma~as.8188791252&w=750&abgtt=6&fwrn=4&fwrnh=0&lmt=1749039408&rafmt=1&armr=3&format=750×280&url=https%3A%2F%2Fphys.org%2Fnews%2F2025-06-ai-algorithms-approach-theoretical-limit.html&fwr=0&rpe=1&resp_fmts=3&wgl=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTM3LjAuNzE1MS41NyIsbnVsbCwwLG51bGwsIjY0IixbWyJHb29nbGUgQ2hyb21lIiwiMTM3LjAuNzE1MS41NyJdLFsiQ2hyb21pdW0iLCIxMzcuMC43MTUxLjU3Il0sWyJOb3QvQSlCcmFuZCIsIjI0LjAuMC4wIl1dLDBd&dt=1749039396416&bpp=3&bdt=165&idt=34&shv=r20250602&mjsv=m202506030101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Df22668bce9793ae4%3AT%3D1735196613%3ART%3D1749039104%3AS%3DALNI_Mb4Xpwl1SO1AcvqroR6xccDm_sheQ&gpic=UID%3D00000f7c5320f40b%3AT%3D1735196613%3ART%3D1749039104%3AS%3DALNI_Mb1dz_DHiT2yDzXLMaB9CDkQl4XGg&eo_id_str=ID%3Dcdf7f2f01784f52d%3AT%3D1735196613%3ART%3D1749039104%3AS%3DAA-Afjb8kbeupLLyQ0QHQmZxpM4v&prev_fmts=0x0%2C336x280&nras=1&correlator=2700332160083&frm=20&pv=1&rplot=4&u_tz=240&u_his=3&u_h=1080&u_w=1920&u_ah=1032&u_aw=1920&u_cd=24&u_sd=1&dmc=8&adx=448&ady=2117&biw=1905&bih=945&scr_x=0&scr_y=0&eid=31092757%2C42531705%2C95353387%2C31092827%2C95344788%2C95359265%2C95362176%2C95340253%2C95340255&oid=2&pvsid=8602160600979670&tmod=252968925&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1920%2C0%2C1920%2C1032%2C1920%2C945&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=5&uci=a!5&btvi=1&fsb=1&dtd=12427

Neyron şəbəkələri xaotik işıq nümunələrindən öyrənir

TU Wien-dəki komanda nəzəri məlumatları təqdim edərkən, müvafiq təcrübə Qrenobl Universitetindən (F) Dorian Buşet tərəfindən İlya Starşinov və Qlazqo Universitetindən (Böyük Britaniya) Daniele Faccio ilə birlikdə hazırlanmış və həyata keçirilmişdir. Bu təcrübədə lazer şüası bulanıq mayenin arxasında yerləşən kiçik, əks etdirən obyektə yönəldilmişdir ki, qeydə alınan şəkillər yalnız yüksək dərəcədə təhrif olunmuş işıq nümunələrini göstərdi. Ölçmə şərtləri bulanıqlıqdan və buna görə də siqnaldan dəqiq mövqe məlumatının əldə edilməsinin çətinliyindən asılı olaraq dəyişirdi.

Tədqiqatın müəlliflərindən biri Maksimilian Veymar (TU Wien) deyir: “İnsan gözünə bu şəkillər təsadüfi nümunələrə bənzəyir”. “Ancaq biz bir çox belə şəkilləri – hər biri məlum obyekt mövqeyi ilə – neyron şəbəkəyə qidalandırsaq, şəbəkə hansı nümunələrin hansı mövqelərlə əlaqəli olduğunu öyrənə bilər.” Kifayət qədər təlimdən sonra şəbəkə yeni, naməlum nümunələrlə belə obyektin mövqeyini çox dəqiq müəyyən edə bildi.

Demək olar ki, fiziki həddə

Tədqiqatda xüsusilə diqqətəlayiq məqam, proqnozun dəqiqliyinin Fişer məlumatından istifadə etməklə hesablanmış nəzəri cəhətdən əldə edilə bilən maksimumdan minimal dərəcədə pis olması idi. “Bu o deməkdir ki, bizim süni intellektlə dəstəklənən alqoritmimiz nəinki effektivdir, həm də demək olar ki, optimaldır”, – Stefan Rotter deyir. “O, demək olar ki, fizika qanunlarının icazə verdiyi dəqiqliyə nail olur.”

Bu reallaşmanın geniş nəticələri var: Ağıllı alqoritmlərin köməyi ilə optik ölçmə üsulları tibbi diaqnostikadan tutmuş materialların tədqiqatına və kvant texnologiyasına qədər geniş sahələrdə əhəmiyyətli dərəcədə təkmilləşdirilə bilər. Gələcək layihələrdə tədqiqat qrupu bu süni intellektlə dəstəklənən metodların xüsusi sistemlərdə necə istifadə oluna biləcəyini araşdırmaq üçün tətbiqi fizika və tibb üzrə tərəfdaşlarla işləmək istəyir.

Daha çox məlumat: İlya Starshynov və digərləri, Kompleks mühitdə dərin öyrənmə mikroskopiyası üçün bağlanmış Cramér-Raonun modelsiz qiymətləndirilməsi, Nature Photonics (2025). DOI: 10.1038/s41566-025-01657-6

Jurnal məlumatı: Nature Photonics 

Vyana Texnologiya Universiteti tərəfindən təmin edilmişdir