一种新算法融合了量子信息和经典信息以实现高质量成像

来自科罗拉多州立大学和科罗拉多矿业学院的研究人员想出了一种新的计算成像策略，该策略充分利用了量子世界和经典世界。他们开发了一种高效且稳健的算法，融合了量子信息和经典信息以实现高质量成像。他们的研究结果于 12 月 21 日发表在科学合作期刊《智能计算》(Intelligent Computing)上。

最近，光的量子特性已被用于实现超分辨率显微镜。虽然量子信息带来了新的可能性，但它也有其自身的局限性。

研究人员的方法基于从光子计数中获得的经典和量子相关函数，这些光子计数是从时空结构照明照明的量子发射器收集的。处理光子计数并将其转换为递增阶数的信号，其中包含递增的空间频率信息。然而，较高空间分辨率的信息在越来越大的相关阶数下会受到信噪比降低的影响。

为了解决这个问题，研究人员开发了一种他们称之为“超级反卷积成像”的算法。该算法的目标是将贡献高信噪比但空间频率信息低的经典信息与贡献低信噪比但空间频率信息的量子信息稳健融合。为了实现这一目标，研究人员将从单个量子发射器获得的反聚束相关图像与从相同光子计数数据获得的经典图像结合起来。反聚束是单量子发射器的一个独特特征，可用于超分辨率成像。

该策略受益于较低空间频率区域的重叠。研究人员解释说：“该算法利用重叠测量空间频率信息的自一致性要求来引导量子图像贡献的高空间频率下的较低 SNR(信噪比)信息。”

超级反卷积成像算法显着增加了空间频率内容、更快的速度和更高的分辨率，以及重建图像中更好的均方误差。研究人员相信他们的算法将得到广泛使用，因为它适用于一系列不同的成像环境。

Randy A. Bartels、Jeff Field 和 Jeff Squier 构思了这项研究。Randy A. Bartels 编写了蒙特卡罗模拟。Gabe Murray 和 Randy A. Bartels 开发了该算法。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！