Každý dalekohled nebo mikroskop má své fyzikální limity. Pokud jsou dva objekty příliš blízko sebe, jejich obraz splyne do jedné rozmazané skvrny. To komplikuje práci například astronomům při pozorování vzdálených hvězd nebo biologům při zkoumání struktur uvnitř buněk. Dosavadní metody, které se snaží toto omezení překonat, vyžadují velmi přesnou znalost vlastností konkrétního přístroje a jeho pečlivou kalibraci.
AI se naučila vidět za hranice optiky
Olomoučtí optici zvolili jiný přístup. Umělou inteligenci učili výhradně na počítačově vytvořených simulacích, které zahrnovaly širokou škálu různých optických podmínek. Díky tomu se model nenaučil pracovat pouze s jedním konkrétním přístrojem, ale pochopil obecné principy, podle nichž vzniká obraz v různých typech optických zařízení.
„Naším cílem bylo, aby se AI naučila nejen jeden konkrétní experiment, ale obecný způsob, jak z rozmazaného obrazu získat ostřejší informaci. Právě proto může stejný model pracovat s daty z velmi odlišných oblastí – od astronomie až po molekulární mikroskopii,“ vysvětlil Dominik Vašinka z katedry optiky přírodovědecké fakulty.
Od laboratorních bodů až ke hvězdám v Andromedě
Vědci svou metodu ověřili nejprve v laboratorním experimentu, kde přesně znali skutečnou polohu světelných zdrojů. Následně ji úspěšně vyzkoušeli na reálných datech. Na snímcích oblasti galaxie Andromeda dokázala umělá inteligence rozlišit skupinu hvězd, které na původním snímku splývaly v jediný objekt. V biologických vzorcích pak pomohla zobrazit jemné buněčné struktury tvořené jednotlivými fluoreskujícími molekulami.
„Experiment s kontrolovanou skutečnou strukturou předmětu byl důležitý krok. U reálných mikroskopických dat nevíme, kde přesně se molekuly nacházejí, a u astronomických dat je situace podobná. My jsme vytvořili mezistupeň mezi ideální simulací a reálnými vzorky,“ uvedl Filip Juráň z katedry optiky.
Hvězdy a molekuly spojuje stejný princip
Podle Jaromíra Běhala z katedry optiky, který také na nové metodě spolupracoval, spojuje zdánlivě nesouvisející obory stejný fyzikální princip. „Spojujícím prvkem nejsou hvězdy ani molekuly samotné, ale fyzika zobrazování bodových zdrojů. Pokud ji AI zachytí dostatečně obecně, může pomoci tam, kde je klasická kalibrace zdlouhavá, nestabilní nebo prakticky nemožná,“ řekl.
Výzkumníci věří, že jejich přístup usnadní využívání superrozlišovacích metod v celé řadě vědeckých i technických oborů. Protože model není závislý na jednom konkrétním přístroji, mohl by v budoucnu najít uplatnění všude tam, kde je potřeba získat co nejvíce informací z optických obrazů.
Jeden model pro různé přístroje
„Nejde pouze o další algoritmus pro zpracování obrazu. Důležité je, že model není pevně svázán s jedním přístrojem. To může výrazně zjednodušit použití superrozlišovacích metod ve výzkumu i technické praxi,“ doplnil Miroslav Ježek z katedry optiky.
Výzkum navazuje na dlouhodobou práci Laboratoře kvantové optiky katedry optiky Přírodovědecké fakulty UP v oblasti optického měření, umělé inteligence a zpracování slabých světelných signálů. Projekt podpořila Grantová agentura ČR, Ministerstvo školství, mládeže a tělovýchovy ČR prostřednictvím programu OP JAK ITI Mezisektorová spolupráce „Optické technologie“ a Interní grantová agentura Univerzity Palackého.
Odkaz na článek v Nature Communications : https://www.nature.com/articles/s41467-026-75584-7
