Terahertzstrahlen können viele Materialien durchdringen, Metall oder Wasser aber nicht. Daher kann man sie nutzen, um etwa versteckte Metallobjekte abzubilden. Mit Hilfe eines selbstlernenden Systems ist es Wiener Physikern nun gelungen, verborgene Objekte mit nur einem einzelnen Strahlungssensor und einer einzigen Messung zu erkennen, berichten sie im Fachjournal "APL Photonics".
Üblicherweise würde man eine Kamera verwenden, um verborgene Objekte mit Hilfe von Terahertzstrahlen nachzuweisen. Sie nimmt ein hochauflösendes Bild im entsprechenden Wellenlängenbereich auf und aus der Summe der einzelnen Bildpunkte ergibt sich ein Schatten in Form des Objekts.
Ein Forscherteam vom Institut für Photonik der Technischen Universität (TU) Wien ist der Frage nachgegangen, wie man zu einem ähnlichen Ergebnis kommt, wenn man nur einen einzelnen Terahertz-Sensor hat, der eine einzige Messung durchführt. Dass sich ein Objekt im Terahertzstrahl befindet, lässt sich erkennen, denn es verringert die Gesamtintensität der einfallenden Strahlung. Die Form lässt sich so allerdings nicht feststellen.
Spezielle Maske zwischen Objekt und Sensor
Die TU-Forscher um Benedikt Limbacher haben daher eine spezielle Maske zwischen Objekt und Sensor platziert, die dynamisch von einem maschinellen Lernalgorithmus verändert wird und damit an unterschiedlichen Stellen unterschiedlich viel Strahlung durchlässt. Diese Reststrahlung wird dann auf den Sensor fokussiert und dort registriert.
Wenn exakt eingestellt wird, an welchen Punkten die Maske wie viel Strahlung durchlässt, "kann man an der Gesamtsumme der Terahertzstrahlung das Objekt erkennen". Das Kunststück dabei ist, die Maske so einzustellen, dass man am einzelnen Sensorsignal das Objekt erkennen kann. Dafür wird eine "spezielle Variante maschinellen Lernens verwendet", so Limbacher in einer Aussendung.
Operationen werden gemessen, nicht berechnet
Dabei werden keine mathematischen Operationen digital durchgeführt, sondern optisch und analog - die Operationen werden also nicht berechnet, sondern gemessen. Das am Sensor eintreffende Signal wird verwendet, um die Maske anzupassen. Dadurch ändert sich wiederum das Signal am Sensor. Das geht so lange, bis eine Masken-Konfiguration gefunden wurde, die es erlaubt, ein Objekt zuverlässig zu erkennen - unabhängig davon, an welcher Stelle des Blickfelds es sich befindet.
Den Wissenschaftern zufolge ist die Technik nicht nur einfach, sondern auch schnell und tolerant gegenüber Störungen. "Wir zeigen hier, dass maschinelles Lernen nicht immer nur am Computer stattfinden muss", sagte Limbacher. Der Erfolg ihres Ansatzes bestehe darin, digitale und analoge Welt nahtlos zu verbinden.
Service: https://doi.org/10.1063/5.0029310
(APA/red, Foto: APA/TU Wien)
