AI vê através do caos – e alcança o limite que a física permite
Data: 10 de junho de 2025
Cientistas da Vienna University of Technology descobriram o quão próximos podemos chegar da perfeição na precisão ótica utilizando inteligência artificial, mesmo diante das limitações físicas impostas pela própria luz. Ao combinar teorias da física com redes neurais treinadas em padrões de luz distorcidos, os pesquisadores demonstraram que é possível estimar a posição de um objeto com uma precisão quase máxima, conforme os limites impostos pela natureza. Essa descoberta abre novas e empolgantes perspectivas para aplicações em imagens médicas, tecnologia quântica e ciência dos materiais.
Um limite absoluto para a precisão
Nenhuma imagem é infinitamente nítida. Há 150 anos, sabe-se que, por mais engenhoso que seja o design de um microscópio ou de uma câmera, existem limites fundamentais de resolução que simplesmente não podem ser ultrapassados. A posição de uma partícula jamais pode ser medida com precisão infinita; um certo grau de borrão é inevitável – não por falhas técnicas, mas devido às propriedades físicas da luz e à forma como a informação é transmitida.
A equipe da TU Wien, em colaboração com as universidades de Glasgow e Grenoble, buscou responder a duas questões fundamentais: qual é o limite absoluto de precisão que se pode atingir com métodos ópticos e como esse limite pode ser alcançado o mais próximo possível? Os pesquisadores conseguiram definir um patamar mínimo para a precisão teoricamente alcançável e desenvolveram algoritmos de inteligência artificial que, após treinamento adequado, se aproximam significativamente desse limite. Essa estratégia promete revolucionar procedimentos de imageamento, sobretudo na área médica.
Redes neurais aprendem com padrões de luz caóticos
Enquanto a equipe da TU Wien fornecia os fundamentos teóricos, um experimento complementar foi conduzido por pesquisadores da University of Grenoble e da University of Glasgow. Neste experimento, um feixe de laser foi direcionado a um pequeno objeto reflexivo posicionado atrás de um líquido turvo, resultando em imagens que apresentavam padrões de luz altamente distorcidos. Com a variação das condições – dependendo da turbidez –, a obtenção de informações precisas sobre a posição do objeto tornava-se cada vez mais desafiadora.
No entanto, ao alimentar uma rede neural com inúmeras imagens, cada uma com a posição do objeto previamente conhecida, o sistema aprendeu a associar determinados padrões a posições específicas. Após um treinamento intensivo, a rede foi capaz de prever com alta precisão a posição do objeto mesmo quando confrontada com padrões nunca antes vistos.
Quase no limite físico
O aspecto mais notável da pesquisa foi o fato de que a precisão das predições da rede neural ficou apenas marginalmente aquém do máximo teoricamente possível, conforme estabelecido pelos cálculos baseados na informação de Fisher. Em outras palavras, o algoritmo assistido por IA mostrou-se não apenas eficaz, mas praticamente otimizado, atingindo níveis de precisão alinhados com os limites impostos pelas leis da física.
Essa realização tem implicações profundas: com o auxílio de algoritmos inteligentes, os métodos de medição óptica poderão ser aprimorados de forma significativa, beneficiando áreas que vão desde o diagnóstico em medicina até a pesquisa de novos materiais e avanços em tecnologia quântica. Os pesquisadores planejam, em futuros projetos, colaborar com especialistas em física aplicada e medicina para explorar as possíveis aplicações desses métodos em sistemas específicos.
