கணினி நுண்ணோக்கு வேகம், அளவு மற்றும் விவரத்தின் இடையிலான வழக்கமான சமநிலையை உடைக்கிறது

பழைய பொறியியல் சமநிலையைத் தப்பிக்க வடிவமைக்கப்பட்ட நுண்ணோக்கு

நுண்ணோக்கு வடிவமைப்பு நீண்ட காலமாக ஒரு கடினமான சமநிலையால் வடிவமைக்கப்பட்டு வந்துள்ளது. ஆராய்ச்சியாளர்கள் பொதுவாக உயர்த் தீர்மானம், பரந்த பார்வைப் பரப்பு, அல்லது வேகமான படமெடுப்பு ஆகியவற்றில் ஒன்றைத் தேர்வு செய்யலாம்; ஆனால் இவ்வகை அம்சங்களில் ஒன்றை மேம்படுத்துவது, பொதுவாக மற்றவற்றில் குறைந்தபட்சம் ஒன்றை பலவீனப்படுத்தும். இயக்கமுள்ள உயிரியல் செயல்பாட்டை விரிவாகவும் அதே நேரத்தில் பெரிய அளவிலும் பார்க்க விரும்பும்போது, இந்த சமநிலை விஞ்ஞானிகள் காணக்கூடியவற்றை கட்டுப்படுத்தியுள்ளது.

UC Berkeley தலைமையிலான குழு இப்போது அந்த சமநிலையை மாற்றும் ஒரு கணினி நுண்ணோக்கியை உருவாக்கியுள்ளதாகக் கூறுகிறது. Nature Photonics இல் வெளியிடப்பட்டும் Phys.org மூலம் விவரிக்கப்பட்டும் உள்ள இந்தப் பணியில், ஆராய்ச்சியாளர்கள் வீடியோ-வேகத்தை விட வேகமாக, மைக்ரான்-துல்லியத் தீர்மானத்துடன் பல சென்டிமீட்டர் அளவிலான பகுதிகளைப் பிடிக்கக்கூடிய ஒரு அமைப்பை உருவாக்கினர். அவர்களின் அறிக்கையின்படி, அதன் த்ரூபுட் வினாடிக்கு 25.2 பில்லியன் பிக்சல்கள்; இது பரந்த பகுதி படமெடுப்பையும் நுண்ணிய விவரத்தையும், பாரம்பரிய நுண்ணோக்கு கட்டமைப்புகள் எட்டத் திணறும் வேகத்தில் இணைக்கிறது.

இந்த செயல்திறன் உண்மையான ஆய்வகப் பணிச்சூழல்களுக்கு நன்றாகப் பொருந்தினால், குறிப்பாக பல நகரும் உயிரினங்கள் அல்லது காலப்போக்கில் கண்காணிக்க வேண்டிய பெரிய உயிரியல் மாதிரிகள் உள்ள பரிசோதனைகளில், நுண்ணோக்கு பயன்பாடு மேலும் விரிவடையலாம்.

இதன் முக்கியத்துவம் என்ன

நுண்ணோக்கியில் உள்ள பாரம்பரிய பிரச்சினையை விவரிப்பது எளிது, ஆனால் தீர்ப்பது கடினம். அதிக விரிவாக்க அமைப்பு சிறிய அமைப்புகளை வெளிப்படுத்த முடியும், ஆனால் பொதுவாக குறைந்த பரப்பில் மட்டுமே. பரந்த பார்வை மாதிரியின் அதிக பகுதியைக் காட்ட முடியும், ஆனால் பொதுவாக குறைந்த விவரத்துடன். வேகமான படமெடுப்பு இன்னொரு கட்டுப்பாட்டை சேர்க்கிறது, ஏனெனில் அதிக வேகத்தில் அதிக தரவை சேகரிப்பது optics, sensors, அல்லது processing pipelines-ஐ சுமையாக்கலாம்.

Berkeley குழுவின் அமைப்பு இந்த எல்லைகளை ஒரே நேரத்தில் தள்ளி முன்னேற்ற முயல்கிறது. அறிக்கையின்படி, இந்த நுண்ணோக்கு 5 சதுர சென்டிமீட்டருக்கும் அதிகமான பரப்பில் 3-மைக்ரான் தீர்மானத்தையும் வினாடிக்கு 120 frames-ஐயும் அடைகிறது. முதன்மை ஆய்வாளர் Laura Waller இந்த முடிவை computational microscopy-யில் ஒரு பெரிய முன்னேற்றம் என்று விவரித்து, தீர்மானம், பரப்பு, வேகம் ஆகியவற்றின் இந்த சேர்க்கை பாரம்பரிய முறைகளால் சாத்தியமல்ல என்று கூறினார்.

இதன் முக்கியத்துவம் செயல்திறன் அட்டவணையில் இருக்கும் ஒரு பெரிய எண்ணிக்கை மட்டும் அல்ல. பெரிய காட்சியில் சுதந்திரமாக நகரும் பல உயிரினங்களைப் பார்த்தபடியே மைக்ரான்-துல்லிய அம்சங்களையும் தீர்மானிக்கக்கூடிய நுண்ணோக்கு, சில பரிசோதனைகளை இயக்க எளிதாகவும் பகுப்பாய்வுக்கு மேலும் தகவலளிப்பதாகவும் மாற்றலாம்.

அமைப்பு எப்படி செயல்படுகிறது

இந்த வடிவமைப்பு ஒரே detector-ஐ நம்பாமல் 48 camera sensors கொண்ட ஒரு array-ஐ பயன்படுத்துகிறது. இது image plane-இல் ஒரு distributed multi-spot point spread function உருவாக்கும் ஒரு diffractive optical element-ஐயும் பயன்படுத்துகிறது. எளிமையாகச் சொன்னால், optics காட்சி தகவலை பின்னர் computationally மீட்டெடுக்க முடியும் வகையில் நோக்கமுடன் encode செய்கிறது.

இது முக்கியமானது, ஏனெனில் 48 sensors grid-ஆக இடைவெளிகளுடன் அமைக்கப்பட்டுள்ளன. வழக்கமான சூழலில், அந்த இடைவெளிகள் சில படத் தகவல்கள் மறைந்து போவதைக் குறிக்கும். அதற்கு பதிலாக, அறிக்கையில் விவரிக்கப்பட்டுள்ள computational imaging tricks பயன்படுத்தி, அந்த காலிப் பகுதிகளில் விழுந்திருக்கும் படத்தின் பகுதிகளை compressively encode செய்கிறது. பின்னர் ஒரு computational inverse problem முழு அளவிலான படத்தை மீட்டெடுக்கிறது.

இந்த அணுகுமுறை imaging science-இல் ஒரு பெரிய மாற்றத்தை பிரதிபலிக்கிறது. optics மட்டும் எல்லாவற்றையும் செய்ய வேண்டும் என்று கேட்பதற்குப் பதிலாக, ஆராய்ச்சியாளர்கள் hardware மற்றும் algorithms-ஐ இணைந்து வடிவமைத்து வருகிறார்கள், ώστε ஒன்று மற்றொன்றின் வரம்புகளை ஈடுகட்டும். இந்த வழக்கில், நுண்ணோக்கியின் செயல்திறன் அந்த கூட்டணியைப் பொறுத்தது. Optical setup தகவல்செறிந்த signal-ஐ உருவாக்குகிறது, computational reconstruction அதை பயன்பாடுள்ள image sequence-ஆக மாற்றுகிறது.

ஆராய்ச்சியாளர்கள் காட்டியது என்ன

இந்தக் கட்டுரை 5 சதுர சென்டிமீட்டருக்கும் அதிகமான பார்வைப் பரப்பில் சுதந்திரமாக நகரும் C. elegans-இன் படமெடுப்பை முன்னிறுத்துகிறது. இது இயக்கம், பலமை, மற்றும் உயிரியல் தொடர்பு ஆகியவற்றை ஒன்றாகக் கொண்டுள்ளதால் பயனுள்ள ஒரு demonstration case. அதிக விரிவாக்கத்தில் சில உயிரினங்களைத் தொடர்ந்து கண்காணிப்பது ஒரு சவால். பெரிய பகுதியில் விவரத்தை இழக்காமல் பல உயிரினங்களைத் தொடர்ந்து கண்காணிப்பது இன்னொரு சவால்.

இந்த அமைப்பு ஒரே நேரத்தில் பல உயிரினங்களைப் படமெடுத்து, காலப்போக்கில் மாதிரிகளை கண்காணிக்கத் திறக்கிறது என்று ஆராய்ச்சியாளர்கள் கூறுகிறார்கள். இது நடத்தை உயிரியல், வளர்ச்சி ஆய்வுகள், screening workflows, மற்றும் பெரிய மக்கள் தொகை அல்லது பெரிய வடிவ மாதிரிகளை தொடர்ந்து கவனிக்க வேண்டிய பிற சூழல்களில் மதிப்பை அளிக்கக்கூடும்.

இங்கே வேகம் மையமாக உள்ளது. வினாடிக்கு 120 frames-இல், இந்த அமைப்பு வெறும் நிலையான மிகப் பெரிய படங்களை உருவாக்குவதில்லை. இது மெதுவான அமைப்புகளில் மங்கியோ அல்லது தவறியோ போகக்கூடிய இயக்கங்களைப் பதிவு செய்யும் அளவுக்கு வேகமாக இயக்கமுள்ள செயல்முறைகளைப் பிடிக்கிறது. ஆய்வின் பொருள் ஒவ்வொரு கணமும் வடிவு, இடம், அல்லது தொடர்பு நிலையை மாற்றும்போது இது முக்கியம்.

கணினி நுண்ணோக்கியின் பரந்த முக்கியத்துவம்

இந்த முன்னேற்றம் computational microscopy ஒரு சிறப்பு முறையிலிருந்து நடைமுறை பொறியியல் தந்திரமாக முதிர்ச்சியடைகிறது என்பதையும் காட்டுகிறது. பல ஆண்டுகளாக, encoded measurements-இல் இருந்து அதிக தகவலை மீட்டெடுக்கும் யோசனை imaging-இல் உள்ள இயற்பியல் bottlenecks-ஐ உடைப்பதாக வாக்குறுதி அளித்துள்ளது. ஆனால் சவால் என்னவென்றால், reconstruction போதுமான வலுவானதாகவும், மொத்த அமைப்பு உண்மையான பயன்பாட்டிற்குப் போதுமான நடைமுறையுடனும் இருக்கும் அமைப்புகளை உருவாக்குவது.

Berkeley பணியில், நுண்ணோக்கியின் செயல்திறன் lens-கள் மற்றும் sensor அளவால் மட்டுமல்ல, கருவியின் மொத்த தகவல் கட்டமைப்பால் தீர்மானிக்கப்படும் எதிர்காலத்தை நோக்கிய சுட்டி உள்ளது. Sensor arrays, structured optical encoding, மற்றும் reconstruction algorithms தனித்த தொழில்நுட்ப அடுக்குகள் அல்ல; அவை ஒரே இயந்திரத்தின் பகுதிகளாக மாறுகின்றன.

இது ஒரு கருவியின் வடிவமைப்பை விடவும் பரந்த முக்கியத்துவம் கொண்டிருக்கலாம். இதே முறைகளை பிற நுண்ணோக்கு சூழல்களுக்குத் தழுவ முடிந்தால், முன்பு விவரம் மற்றும் கவரேஜ் இடையில் ஒன்றைத் தேர்ந்தெடுக்க வேண்டியிருந்த நிகழ்வுகளைப் பார்க்க ஆய்வகங்களுக்கு புதிய வழிகள் கிடைக்கலாம். அப்போது கட்டுப்பாட்டு கேள்வி எது ஒரு செயல்திறன் பரிமாணத்தைத் தியாகம் செய்ய வேண்டும் என்பதல்ல; calibration மற்றும் computation-இல் ஆராய்ச்சியாளர்கள் எவ்வளவு சிக்கல்களை ஏற்கத் தயாராக உள்ளார்கள் என்பதாக மாறுகிறது.

அடுத்ததாக கவனிக்க வேண்டியது

அறிக்கையிடப்பட்ட முடிவுகள் கவர்ச்சிகரமானவை, ஆனால் நீண்டகால தாக்கம் இந்த நுட்பம் எவ்வளவு பரவலாகப் பயன்படுத்தப்பட முடியும், மற்றும் அதை உருவாக்கிய ஆய்வகத்துக்கு வெளியே அது எவ்வளவு எளிதில் கிடைக்கக்கூடியதாக மாறும் என்பதையே பொறுத்திருக்கும். உயர்-செயல்திறன் prototype-கள் பெரும்பாலும் ஒரு கருத்தை நிரூபிக்கின்றன; அந்த கருத்தை மீளச்செய்யக்கூடிய ஆய்வு கருவியாக மாற்றும் கடினமான வேலை அதற்கு பின்னரே வருகிறது.

இருப்பினும், மைய முடிவு தனக்கே குறிப்பிடத்தக்கது. குழு மிகவும் பெரிய space-bandwidth time product கொண்ட ஒரு நடைமுறை நுண்ணோக்கியை அறிவிக்கிறது, இது உயர் விவரம், பரந்த கவரேஜ், மற்றும் வேகமான இமেজிங்கை ஒரே platform-இல் இணைக்கிறது. நீண்ட காலமாக சமநிலைச் சமரசத்தால் ஆளப்பட்ட துறைக்கு இது அர்த்தமுள்ள தொழில்நுட்ப மாற்றம்.

நுண்ணோக்கியில் முன்னேற்றம் பெரும்பாலும் கூர்மையான படங்கள் அல்லது வேகமான capture என விவரிக்கப்படுகிறது. இந்த வேலை இரண்டையும், மேலும் பார்வைப் பரப்பை போதுமான அளவு பெரிதாக்கி, எந்த வகையான பரிசோதனைகள் முதலில் செய்யலாம் என்பதையே மாற்றுவதால் தனித்துவமாகத் தெரிகிறது. அதனால்தான் இந்த ஆய்வு மெதுவான sensor மேம்பாட்டைவிட, optics மற்றும் computation இடையிலான சமநிலையின் மறுவடிவமைப்பாகப் படிக்கப்படுகிறது.

இந்தக் கட்டுரை Phys.org வெளியிட்ட செய்தியறிக்கையை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.