Veštačkom inteligencijom do holograma

Grupa istraživača s MIT‑a osmislila je metodu gotovo trenutnog generisanja holograma uz pomoć veštačke inteligencije. Što je najlepše, za prikazivanje je dovoljna procesorska snaga običnog kompjutera ili čak pametnog telefona.

Hologram je trodimenzionalna slika objekata ili scena napravljena tako da se oni mogu posmatrati iz svih pravaca. Naziv potiče od grčke reči holos, što znači potpun (ceo), a odnosi se na kompletne informacije o svetlosnom talasu koje se čuvaju na hologramu. Prvi hologram snimio je engleski naučnik mađarskog porekla Dennis Gabor daleke 1947. godine, a za to otkriće je 1971. godine dobio Nobelovu nagradu za fiziku.

Klasični i kompjuterski generisani hologrami

Klasična optička holografija je metoda dobijanja trodimenzionalnog lika na fotoosetljivom materijalu korišćenjem interferencije i difrakcije svetlosti. Proces dobijanja holograma sastoji se iz dva dela – snimanja i rekonstruisanja holograma. Za razliku od fotografije (2D prikaz), kod koje se na fotoosetljiv materijal beleži odnos intenziteta svetlosnih talasa reflektovanih s pojedinih delova posmatranog objekta, u holografiji se na fotoemulziju zapisuje i fazni odnos tih talasa.

Prvi hologrami imali su samo eksperimentalan značaj. Praktičnu primenu holografije omogućilo je tek otkriće lasera šezdesetih godina 20. veka. Pri stvaranju holograma, laserski zrak se deli na dva dela, pri čemu jedan deo služi za osvetljavanje površine objekta, a drugi kao referenca za fazu svetlosnih zraka. Fazni odnos zraka zavisi od reljefne površine objekta, pa se promenljivom fazom dobija njegov prostorni, trodimenzionalni lik.

Klasičan optički hologram vrlo je složen i njegovo generisanje zahteva visokospecijalizovane metode i opremu. Dobijene slike su statične i ne mogu da zabeleže pokret. Sva problematika u tom procesu može biti rešena korišćenjem kompjutera i dobijanjem kompjuterski generisanih holograma (CGH – Computer Generated Holography). U tom slučaju svi talasi predstavljaju se matematičkim funkcijama, procesi interferencije i difrakcije se detaljno analiziraju i matematički obrađuju, pa je mogućnost greške svedena na minimum.

3D holografija u realnom vremenu

Postupak kompjuterski generisanih holograma je ograničen procesorskom snagom kompjutera. Zbog toga je u tu svrhu neophodno koristiti superkompjutere kako bi se ostvario zadovoljavajući kvalitet holograma i dobila realistična slika posmatranih objekata. Pritom se simuliraju optičke postavke, što je zahtevan i spor proces. Zbog svega toga generisanje holograma na taj način nije praktično, pa kompjuterski generisani hologrami za sada nisu našli širu praktičnu primenu.

Stvari bi se mogle promeniti, obećava najnovije dostignuće u toj oblasti koje je napravio tim naučnika čuvenog Tehnološkog instituta iz Masačusetsa (MIT). Njihova studija, objavljena u martu ove godine u časopisu Nature, donela je revoluciju u holografiji. Ispostavlja se da je pogrešno opšteprihvaćeno mišljenje da se postojećim hardverom potrošačke klase ne mogu generisati 3D hologrami u realnom vremenu.

Kompaktna neuronska mreža nije zahtevala više od 1 MB memorijskog prostora, što daje mogućnost široke primene čak i na mobilnim telefonima – proces je uspešno testiran na iPhone 11 Pro.

Tim koji predvodi Liang Shi, doktorand na MIT‑ovom Odeljenju za elektrotehniku i računarstvo (EECS), a u kome su i Wojciech Matusik, Beichen Li iz EECS‑a i laboratorije za kompjuterske nauke i veštačku inteligenciju na MIT‑u, kao i bivši istraživači MIT‑a Changil Kim (zaposlio ga je Facebook‑u) i Petr Kellnhofer (sada na Univerzitetu Stanford).

Tenzorska holografija

Nova tehnologija za kompjutersko generisanje holograma koju je ovaj tim osmislio nosi naziv tenzorska holografija. Ona ubrzava kompjutersko generisanje holograma i približava ga mogućnosti generisanja u realnom vremenu. Zasnovana je na tzv. dubokom učenju (mašinskom dubokom strukturnom ili hijerarhijskom učenju kao obliku veštačke inteligencije). Nasuprot algoritmima koji se baziraju na listama naredbi, ovo učenje bazira se na reprezentaciji podataka.

Tim je dizajnirao konvolucionu neuronsku mrežu za duboko učenje. Konvolucija je proces preklapanja dva signala. Tako dobijen modifikovani signal može imati bolja svojstva od originalnog signala. Na primer, ako kao originalni signal koristimo monohromatsku crno‑belu 2D sliku i na njoj primenimo konvoluciju s drugim signalom (filter ili jezgro), izlazni signal može imati svojstvo sadržavanja svih parametara slike – granice objekata, promene u osvetljenju, promene u svojstvima materijala, diskontinuitete u dubini…

U ovoj tehnologiji holografija se naziva tenzorskom jer je tehnika obrade podataka zasnovana na strukturi treniranih tenzora koji oponašaju način na koji ljudski mozak obrađuje vizuelne informacije.

Pri treningu su koristili NVIDIA TITAN RTX grafičku karticu (jednu od najbržih ikada napravljenih, zasnovanu na Turing arhitekturi i namenjenoj programerima i istraživačima), kao i aplikaciju za duboko učenje NVIDIA TensorRT SDK. Na taj način su udvostručene brzine fizičke simulacije.

Efikasno i ekonomično

Za obuku neuronske mreže obično je potreban veliki i visokokvalitetan skup podataka. U tu svrhu tim je stvorio prilagođenu bazu podataka od 4.000 parova kompjuterski generisanih slika. Svaki par sadržao je sliku (uključujući podatke o boji i dubini za svaki piksel) i odgovarajući hologram. Da bi stvorili holograme u novoj bazi podataka, istraživači su koristili scene složenih i promenjivih oblika i boja, s dubinom piksela ravnomerno raspoređenom iz pozadine u prvi plan, i s novim skupom proračuna na osnovu fizike.

Učeći iz svakog para slika, mreža tenzora napredovala je u optimizaciji parametara svojih proračuna, sukcesivno poboljšavajući svoju sposobnost stvaranja holograma. Potpuno optimizovana mreža radila je za više redova veličine brže od proračuna koji se baziraju na fizici. Ta efikasnost iznenadila je i sam tim. Na njihovo iznenađenje, algoritam je u potpunosti funkcionalan, a rezultat su fotorealistični hologrami.

Hologram se generiše za samo nekoliko milisekundi. Pritom, kompaktna neuronska mreža nije zahtevala više od 1 MB memorijskog prostora, što je zanemarljivo u odnosu na memorijski prostor neophodan za kompjutersko generisanje holograma metodama koje su do sada korišćene. Tako mali memorijski prostor daje mogućnost široke primene tehnologije i uz primenu običnih računara i laptopa, čak i mobilnih telefona – uspešno su testirali proces na iPhone 11 Pro.

Moguća primena

Generisanje holograma u realnom vremenu, koje je u svojoj studiji ponudio tim naučnika s MIT‑a, moglo bi da donese značajne prednosti u 3D vizuelizaciji. Na taj način video‑sadržaji mogli bi da se gledaju na jednostavan način, bez ikakvog opterećenja. Jer, korišćenje VR slušalica, koje su danas najčešće u upotrebi za ostvarenje efekta virtuelne realnosti, dovodi do fizičkog naprezanja i opterećenja korisnika. Sem toga, korisnik mora da se nađe u tačno određenom položaju da bi se ostvario pun 3D efekat. Kod holograma to nije potrebno, a 3D efekat holografije izuzetno je atraktivan i realističan.

Zbog toga bi hologram generisan u realnom vremenu mogao da nađe primenu u mnogim oblastima nauke, tehnike, ali i svakodnevnog života. Jedna od njih svakako bi mogla da bude 3D štampa. Ova bi tehnologija mogla bi da se pokaže znatno bržom i preciznijom od tradicionalne „sloj po sloj“ 3D štampe, jer volumetrijska 3D štampa omogućava istovremenu projekciju celog kompletnog 3D uzorka. Ostale primene, osim podrazumevane primene u oblasti zabave, uključuju mikroskopiju, dizajn površina s jedinstvenim optičkim svojstvima, zatim široku primenu u medicini za vizuelizaciju medicinskih podataka… Sa nestrpljenjem očekujemo praktične rezultate.

Autor: Nadežda Veljković