Cómo ver lo invisible: reconstruyendo la polarización a partir de un puñado de fotones ⚡ экспресс
Cuando hay escasez de fotones (por ejemplo, al observar objetos tenues), la polarimetría tradicional se enfrenta a un compromiso entre resolución, tiempo de acumulación de señal y sensibilidad. Se ha propuesto un método de inspiración cuántica llamado «sombras clásicas funcionales» para reconstruir el perfil de polarización. Utiliza correlaciones entre mediciones vecinas y aprendizaje automático para estimar varios parámetros físicos a partir de los fotones contados. En el experimento, se reconstruyó la dependencia de la polarización con la longitud de onda. Una analogía: reconstruir un cuadro a partir de pinceladas dispersas si se conocen los patrones típicos. El método funciona a cualquier intensidad.
Cuando hay poca luz, la cámara no puede determinar su polarización — la imagen se convierte en un caos de puntos dispersos. Es como intentar reconstruir un cuadro a partir de unas pocas pinceladas aleatorias. Pero si las pinceladas caen sobre una misma línea, un ojo entrenado adivina lo que falta.
Los investigadores crearon un algoritmo que utiliza el mismo principio. Sabe que la polarización (la orientación de la onda de luz) normalmente cambia suavemente al pasar de un color a otro — así fue entrenado con ejemplos.
De esta manera, a partir de unos pocos datos спектроскопическим (de color), predice los valores faltantes.
El método no requiere equipos complejos y funciona incluso con fotones individuales. Será útil para estudiar экзопланет distantes — por ejemplo, para deducir por la luz reflejada si tienen vegetación, incluso si solo nos llegan unas pocas partículas de luz. O para фотометрии (medición de brillo) ultrasensible en laboratorios.
🎯 Las gafas polarizadas normales son casi inútiles al anochecer — bloquean parte de la luz, haciendo que una imagen ya de por sí tenue sea aún más oscura. El nuevo método reconstruye la orientación de la luz a partir de datos escasos, devolviendo la capacidad de ver en la oscuridad.