Ни одно изображение не бывает идеально четким. Уже 150 лет известно: сколько ни совершенствуй микроскопы или камеры, существуют фундаментальные пределы резкости, которые невозможно преодолеть в принципе. Положение частицы нельзя измерить с абсолютной точностью — размытие неизбежно. Дело не в технике, а в самой природе света и передаче информации.

Ученые из Венского технического университета, Университета Глазго и Университета Гренобля задались вопросом: где предел точности оптических методов и как к нему максимально приблизиться? Они не только вычислили теоретический минимум погрешности, но и создали ИИ-алгоритмы, которые после обучения почти достигают этого предела.

Теперь методику можно применять в медицине и других областях.

Результаты опубликованы в издании Nature Photonics.

Как выглядит предел точности

Представьте, что вы смотрите на маленький объект за мутным стеклом, — объясняет профессор Штефан Роттер из Института теоретической физики. — Вы видите не сам предмет, а сложный узор из светлых и темных пятен. Вопрос: насколько точно можно определить его реальное положение? И где граница этой точности?

Такие ситуации встречаются, например, в биомедицинской визуализации. Свет, рассеиваясь в тканях, как будто теряет информацию о структурах внутри организма. Но сколько данных можно восстановить в принципе? Физика ставит жесткие ограничения.

Ответ дает теоретическая мера — информация Фишера. Она показывает, сколько данных об искомом параметре (например, координатах объекта) содержится в сигнале.

Если информации мало, никакой анализ не поможет. На основе этих расчетов команда определила максимально возможную точность для разных сценариев.

Нейросети учатся читать хаос

Пока венские физики работали с теорией, их коллеги из Гренобля и Глазго поставили эксперимент. Лазерный луч направляли на крошечный отражающий объект за мутной жидкостью — на выходе получались искаженные световые узоры. Чем выше была мутность, тем сложнее было вычислить положение объекта.

Человеческий глаз видит в таких изображениях лишь случайные пятна, — говорит Максимилиан Веймар, соавтор исследования. — Но если нейросеть обучить на множестве снимков с известными координатами, она начинает распознавать закономерности.

После тренировки алгоритм точно определял положение объекта даже по новым, незнакомым узорам.

Почти на грани возможного

Главный результат: погрешность предсказаний оказалась лишь чуть выше теоретического минимума, рассчитанного через информацию Фишера.

Наш алгоритм не просто эффективен — он почти идеален, — подчеркивает Роттер. — Он достигает точности, которую разрешают законы физики.

Это открывает огромные перспективы:

• Медицина — улучшение диагностики через мутные ткани.
• Материаловедение — анализ наноструктур.
• Квантовые технологии — более точные измерения.

Следующий шаг — адаптация метода для конкретных задач совместно с медиками и инженерами.

Эта работа стирает границу между «технически сложно» и „принципиально невозможно“. Раньше ученые могли лишь догадываться, сколько информации теряется при рассеянии света. Теперь есть точные метрики и инструменты для их извлечения. В перспективе:

• Ранняя диагностика — например, обнаружение опухолей через рассеивающие среды без инвазивных методов.
• Лазерная коррекция — сверхточное воздействие на ткани без повреждений.
• Новые материалы — контроль качества прозрачных композитов с наночастицами.

Но главное — метод универсален. Он применим везде, где есть «шум»: от астрономии (коррекция искажений атмосферы) до подводной съемки.

Основная слабость — зависимость от предобучения нейросети. Алгоритм требует огромного массива данных с заранее известными параметрами. В реальных условиях (например, при сканировании живых тканей) эталонные образцы не всегда доступны. Кроме того, расчет информации Фишера для сложных сред может оказаться вычислительно неподъемным.

Ранее ученые изобрели лазер с необычайно низкой зернистостью.