Az IDEAS-Science Ltd. kutatói az AGIgent csapattal együttműködve kísérletet hajtottak végre, amelyben mély CNN hálózati képalkotási folyamatot kombináltak a MicrobeSim holografikus kép szimulátorral. Ez a kísérlet a digitális holografikus mikroszkópia (DHM) határait feszegeti azzal, hogy mesterséges intelligenciát képez több mint 70 000 különböző alakú és szerkezetű részecske szintetikus hologramján. A MicrobeSim innovatív szimulátor 0,1 µm és 10 µm közötti méretű részecskéket generál, míg a CNN hálózat a komplex fénytörési jelenségek mögött meghúzódó alacsony szintű elveket tanulja meg. A kísérlet az AI-alapú osztályozás elméleti képességeit vizsgálja. A MicrobeSim túllép a hagyományos Mie-alapú modelleken, mivel pontosan utánozza a komplex mikrobák belső jellemzőit, a részecskékhez kapcsolódó tulajdonságokat és a valósághű lencsetorzulást, így gazdag adathalmazt biztosít, amely tükrözi a valós holografikus képalkotást.
Az átfogó adatbázis két fő osztályt (és 14 alosztályt) foglal magában: sejtes (alosztályok: mikrobiális részecskék, például hifák, élesztők, baktériumok, spórák és vírusok) és homogén (alosztályok: élettelen részecskék, például különböző típusú hamu, ásványi por, fémek, mikroműanyagok, só, olaj és biológiai hulladékok). A CNN ezen a részletes adatkészleten történő képzése nemcsak 100%-os pontosságot ért el a mikrobiális részecskék és az élettelen por megkülönböztetésében, hanem finom kihívásokat is feltárt; például a biológiai hulladékok 15%-át mikroműanyagként, 1%-át pedig ásványi porként osztályozták helytelenül.
Ez az úttörő munka bizonyítja, hogy a nagy pontosságú szimulációk és a mesterséges intelligencia kombinálásával adaptálható, előre betanított modellek hozhatók létre, amelyek finomhangolásra készek a valós adatokkal. A szimulált hologramok révén létrehozott szilárd alapnak köszönhetően a módszer biztosítja, hogy a hálózat általánosítható legyen, és a korábban nem látott részecskéket is felismerje azok fizikai és optikai tulajdonságai alapján.
Ezek az előrelépések jelentős potenciállal bírnak a valós idejű biológiai detektálás javításában a környezeti monitoring, a betegségdiagnosztika és a biológiai fenyegetések felismerése terén, így az AI-vezérelt holografikus mikroszkópia ígéretes eszközzé válik a jövőbeli tudományos és ipari alkalmazások számára.
This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement No 101021723.