Araştırmacılar yeni bir tek seferlik faz görüntüleme tekniği geliştirdi. Ekip çalışmanın tüm sonuçlarını Optica dergisinde yayımladı. Bu teknoloji cam, plastik film veya canlı hücre gibi şeffaf nesneleri tek bir ölçümle yeniden oluşturuyor. Sistem nesne iki dinamik saçılma katmanı arasına tamamen kapandığında bile eksiksiz çalışıyor.
Faz Nesneleri ve Görüntüleme Zorlukları
Geleneksel kameralar faz nesnelerini zor görüntülüyor. Çünkü bu nesneler çevreleriyle çok az parlaklık kontrastı gösteriyor. Ancak şeffaf nesneler ışıkta faz değişimi adı verilen ince bir kayma yaratıyor. Uzmanlar bu küçük faz kaymasını analiz ederek nesnenin morfolojisini ve optik kalınlığını ortaya çıkarıyor. Sistem diğer nicelikler bilindiğinde nesnenin fiziksel kalınlığını veya kırılma indisi değişimini de kesin olarak belirliyor. Araştırmacılar bu nedenle faz görüntülemeyi canlı hücreleri boyamadan gözlemlemek için kullanıyor. Teknoloji aynı zamanda yarı iletkenlerdeki ve ekranlardaki şeffaf bileşenleri incelemeyi sağlıyor.
Dinamik Saçılma ve Geleneksel Yöntemler
Nesnenin önünde ve arkasında yer alan saçılma katmanları hareket ettiğinde ışık yolu sürekli değişiyor. Uzmanlar bu durumu sisli bir pencereden dışarı bakmaya benzetiyor. Bu hareketlilik nesne hakkında doğru bilgi almayı doğrudan zorlaştırıyor. Geleneksel teknikler bu sorunu aşmak için aynı hedefin çoklu pozlamasına ihtiyaç duyuyor. Eski sistemler ayrıca saçılma ortamının önceden kalibrasyonunu veya yapay zeka modellerinin büyük verilerle eğitilmesini gerektiriyor.
(a) Modelleme sürecinin şeması. Odaklanan aydınlatma, iki dinamik saçılma katmanı arasında uzamsal koherens (uyumluluk) kuruyor. Sistem, S2’nin arkasında ölçülen bulanık hologramı bir saçılma bulanıklık çekirdeğiyle evrişim (konvolüsyon) olarak ifade ediyor. (b) Önerilen algoritma, fiziksel modeli çekirdek tahmini yapan derin bir sinir ağıyla birleştiriyor. Sistem bu yolla nesnenin fazını, yayılma mesafesini ve S2’nin saçılma bulanıklık çekirdeğini ölçülen tek bir şiddet görüntüsünden aynı anda çıkarıyor. KAYNAK:phys.org
Fiziksel Yasalar ve Yapay Zeka Entegrasyonu
Araştırmacılar bu sorunu çözmek için aydınlatmayı ilk saçılma katmanındaki küçük bir noktaya sıkıca odaklıyor. Uzmanlar bu işlemi büyüteçle ışığı tek bir noktaya toplamaya benzetiyor. Işık bu sayede nesnenin bilgilerini en güvenilir şekilde taşıyor. Ekip daha sonra ışığın nesne ve saçılma katmanlarından geçerken nasıl değiştiğini hesaplayan optik bir modeli yapay zeka altyapısıyla birleştiriyor.
Yeni sistem geleneksel yapay zeka yaklaşımları gibi büyük referans görüntü kümeleri üzerinde eğitim almıyor. Çerçeve bunun yerine fiziksel yasalardan geriye doğru çalışıyor. Sistem ölçülen deseni üretmek için ışığın izlediği yolu hesaplıyor. Uzmanlar bu süreci sisli havada çekilen bulanık bir fotoğraftan net bir görüntü elde etmeye benzetiyor.
Araştırmacılar bu yaklaşımla şeffaf bir nesnenin şeklini ve kalınlığını aynı anda belirliyor. Sistem aynı zamanda saçılma kaynaklı bulanıklık özelliklerini ve nesnenin konumunu tek bir ışık yoğunluğu ölçümünden çıkarıyor.
Araştırmanın başındaki uzman bu gelişmeyi şu sözlerle açıklıyor:
“Bu çalışma ışığın ciddi şekilde saçıldığı ortamlarda bile şeffaf bir nesnenin şeklini ve konumunu tek bir ölçümle geri kazandıran ilk örneği oluşturuyor.”
Ekip bu tekniği daha karmaşık ortamlarda güvenilir bir şekilde çalışacak formda geliştirmeyi planlıyor. Sistem yarı iletken denetimi ve biyomedikal görüntüleme alanlarında yeni uygulamalar vadediyor.
(a) S1 ve S2 dinamik saçılma katmanlarını içeren deneysel yapılandırma. (b) Bir faz hedefinin ölçülen şiddet görüntüsü. (c) Sistemin yeniden oluşturduğu nesne fazı ve saçılma bulanıklığı çekirdeği. KAYNAK:phys.org
Haberi Derleyen: Dilara SİPAHİ
KAYNAKÇA:
phys.org/news/2026-08-shot-phase-imaging-technique-reconstruct.html