Muss das von einem Objekt ausgesendete oder reflektierte Licht eine trübe Substanz passieren, geht viel Information verloren - etwa über den exakten Ort des betreffenden Objekts. Im Fachjournal "Nature Photonics" berichtet nun ein Forscherteam mit österreichischer Beteiligung, das Limit für die theoretisch erreichbare Genauigkeit optischer Methoden berechnet zu haben - und mittels Künstlicher Intelligenz (KI) die Objektposition fast bis an diese Grenze vorhersagen zu können.

In der medizinischen Bildgebung steht man vor dem Problem, dass Licht durch biologisches Gewebe gestreut wird und damit Information über tiefer liegende Strukturen verloren geht. Als Beispiel nennt Stefan Rotter vom Institut für Theoretische Physik der Technischen Universität (TU) Wien im Gespräch mit der APA die exakte Lokalisierung von fluoreszierenden Molekülen in einem Gewebe. Das Licht eines solchen Moleküls muss etwa Zellen durchdringen, und man kann nicht genau sagen, wo es sich befindet.

Das Forscherteam hat sich in der aktuellen Arbeit die Frage gestellt, wie viel dieser Information sich prinzipiell zurückgewinnen lässt. "Es gibt eine unterste Grenze, wenn man unter solchen Bedingungen die Position eines Objekts so genau wie möglich abschätzen will", sagte Rotter.

"Fisher-Information" als Maß

Das Maß dafür nennt sich "Fisher-Information". Sie beschreibt, wie viel Information ein durch irgendwelche Effekte beeinflusstes optisches Signal etwa über die Objektposition enthält. Ist die "Fisher-Information" gering, ist keine präzise Ortung mehr möglich, egal wie raffiniert man das Signal auswertet.

Diese "Fisher-Information" taucht laut Rotter immer bei Schätzproblemen auf. "Wenn ein Lehrer wissen will, wie der Wissensstand seiner Klasse ist, macht er einen Test", erklärte der Physiker. Anhand der Testergebnisse könne er abschätzen, wie gut die Kenntnisse seiner Schüler sind. Weil es eine unterste Schranke gebe, wie viel Information sich aus diesem einstündigen Test herauslesen lasse, gebe es hierzulande nur fünf Noten. Würde die Prüfung einen Tag oder länger dauern, könnte man auch mehr Information über den Wissensstand der Schüler erhalten und jeden Schüler viel exakter benoten.

Neuronales Netzwerk entwickelt

Die Physiker machen im Prinzip dasselbe, indem sie aus einem komplexen Lichtfeld jene Informationen herauslesen, die es ihnen erlaubt, bis zu einer gewissen Genauigkeit abzuschätzen, wo sich das Objekt befindet. Und auch hier ist - wie beim Test in der Schule - die verfügbare Belichtungszeit begrenzt, was bedeutet, dass nur eine endliche Menge an Informationen zur Verfügung steht. Um dennoch eine möglichst präzise Schätzung zu erreichen, nutzen sie ein eigens entwickeltes neuronales Netzwerk, das nach entsprechendem Training sehr nahe an diese Genauigkeitsschranke herankommt.

Rotters Team lieferte dazu theoretische Beiträge, die notwendigen Experimente wurden von Kolleginnen und Kollegen in Frankreich und Schottland durchgeführt. Sie nahmen von einem Objekt mit wechselnder Position sehr viele Bilder durch eine trübe Schicht auf. Die jeweilige Position des Objekts war dabei bekannt, aber durch die Trübung waren die Bilder sehr unscharf.

Mit diesen Bildern wurde die KI trainiert und das neuronale Netz lernte, welches Lichtmuster mit welcher Position übereinstimmt. Nach ausreichendem Training war die KI in der Lage, auch bei neuen Bildern die Objektposition sehr genau zu bestimmen.

Mit KI optische Messverfahren verbessern

Mit Hilfe der KI könnten so optische Messverfahren in verschiedenen Bereichen verbessert werden, etwa in der medizinischen Diagnostik oder der Materialforschung. "Wir haben mit der Fisher-Information ein ultimatives Benchmark: Überschreitet ein neuronales Netz dieses Limit, muss etwas falsch sein, denn es kann nicht besser sein, als die Physik erlaubt", sagte Rotter. Auf der anderen Seite wisse man nun, dass man aufhören kann, ein Netz zu trainieren, wenn man schon sehr nahe an die ultimative Auflösungsgrenze herangekommen ist.

Service: https://doi.org/10.1038/s41566-025-01657-6