Запутанные фотоны помогли распознать лица
Китайские физики построили систему распознавания лиц, основанную на призрачной визуализации с использованием запутанных фотонов. Работоспособность предложенного способа физики проверили на лицах пятерых сотрудников своей лаборатории. Статья опубликована в Physical Review Letters, кратко о ней сообщает Physics.
Распознавание лица позволяет довольно точно установить личность человека, а потому играет важную роль в социальных взаимодействиях. В частности, с помощью такой системы можно ловить преступников или разблокировать смартфон. Как правило, система распознавания лица анализирует фотографию и выделяет на ней наиболее важные детали, а потом ищет похожие снимки в базе данных. К сожалению, несмотря на быстрый прогресс в этой области, пока еще автоматическое распознавание лиц далеко от совершенства.
В то же время, существует альтернативный подход к распознаванию картинок, который не требует сложного машинного анализа и способен одновременно анализировать большие объемы данных. В этом подходе пучок фотонов разделяют на два скоррелированных пучка, один из которых отражается от объекта и создает его изображение (сигнальный пучок), а второй пропускается через маску-фильтр (эталонный пучок). Если изображение совпадает с маской, то интенсивности обоих пучков окажутся скоррелированы; следовательно, по их интерференционной картине можно оценить степень совпадения изображений и быстро распознать очертание объекта. Впервые этот метод предложил еще в 60-х годах прошлого века американский физик Вандер Люгт (Vander Lugt). К сожалению, точность этого метода была неудовлетворительной. Определенного прогресса удалось добиться только в прошлом десятилетии, когда была открыта так называемая призрачная визуализация, основанная на запутанных фотонах. К сожалению, даже в этом случае ученым удавалось распознавать только простые объекты — например, определить число лучей звезды, склеенной из нескольких палочек.
Группа физиков под руководством Лисян Чэня (Lixiang Chen) существенно улучшила этот метод и применила его для распознавания лиц. Для этого ученые немного изменили схему, по которой создаются запутанные фотоны и маска объекта. В отличие от предыдущих работ, исследователи работали с лазерными пучками, имеющими не гауссов, а более сложный пространственный профиль. Квантовое состояние пары запутанных фотонов ученые разложили в сумму состояний с фиксированным орбитальным и радиальным квантовым числом. Для этого физики использовали моды Лагерра—Гаусса, которые являются собственными функциями оператора преобразования Фурье. Затем ученые проследили за эволюцией квантового состояния сигнального фотона, проходящего через объект, и сопоставили объекту некоторый оператор. Наконец, с помощью алгебраических преобразований ученые восстановили по этому оператору фурье-спектр эталонного лазерного пучка, который описывает маску объекта. На практике физики получали нужный спектр с помощью пространственного модулятора света.
Когда экспериментальная установка была построена, ученые перешли к завершающей стадии эксперимента. Для этого они сфотографировали пятерых сотрудников своей лаборатории, обрезали фотографии до размера 256×256 пикселей, перевели их в черно-белую фору и сопоставили черным и белым пикселям противоположные фазы. Полученные изображения выступали в качестве образцов, по которым строили маски и которые просвечивали сигнальными фотонами. По итогам измерений ученые построили квадратную матрицу, которая описывает корреляции между изображениями. Оказалось, что эта матрица практически совпадает с единичной матрицей — проще говоря, построенная установка распознала лица практически безошибочно. Впрочем, исследователи отмечают, что эта матрица также содержит недиагональные элементы, которые описывают небольшие сходства между разными лицами.
Разумеется, пока предложенный учеными способ не может сравниться с машинным распознаванием. Тем не менее, он имеет ряд преимуществ, которые нельзя воспроизвести с помощью обычных систем распознавания лиц. В частности, авторы статьи подчеркивают, что благодаря особенностям призрачной визуализации их метод может работать в условиях очень низкого потока сигнальных фотонов. Следовательно, с его помощью можно распознавать изображения, практически не выдавая своего присутствия.
В сентябре прошлого года американские физики впервые реализовали метод призрачной визуализации с помощью пучка запутанных электронов, а не фотонов. Это позволило ученым сделать микрофотографию предмета с помощью одного-единственного пикселя.
В настоящее время системы распознавания лиц активно внедряются в повседневную жизнь. Например, в США такие системы проверяют билеты на концертах, а в Китае ищут преступников и контролируют внимательность школьников. В апреле прошлого года систему распознавания лиц запустили и в московском метро, причем в течение первого месяца она распознала более 40 преступников, которые находились в федеральном розыске и впоследствии были задержаны. А в прошлом месяце Департамент информационных технологий мэрии Москвы сообщил о разработке очков дополненной реальности с технологией распознавания лиц, предназначенных для московской полиции.
Дмитрий Трунин
Для этого он снимал на видео и моделировал работу этой игрушки
Американский физик экспериментально и теоретически исследовал вращение нити в стрингшутере — игрушке, в которой небольшие вращающиеся колеса формируют в воздухе стабильные нитевые петли. Построенная ученым модель хорошо объяснила опыт и при этом оказалась достаточно простой, чтобы использовать ее на занятиях по механике. Исследование опубликовано в The Physics Teacher. Стрингшутер (иногда струнный шутер) — это игрушка, представляющая собой длинную замкнутую нить, вращающуюся вдоль своей длины под действием управляющих колесиков или валов подобно лассо. Замечательная особенность стрингшутера в том, что при правильных условиях в воздухе образуется стабильная веревочная петля, по которой можно запускать волны. Этот факт привлек внимание физиков сравнительно недавно и получил удовлетворительное математическое объяснение. Вместе с тем, игрушка могла бы стать хорошим дидактическим материалом при изучении физики, поэтому было бы полезно построить достаточно простую теорию, описывающую петлю, но в то же время объясняющую эксперимент. Сделать это удалось Карлу Мамола (Karl Mamola) из Аппалачского университета. Он записал систему простых уравнений для петли стрингшутера и численно решил их, сравнив результат с вращением нити в настоящей игрушке, а также показал, откуда возникает ее устойчивость. Чтобы двигающаяся петля оставалась в равновесии, необходимо, чтобы была равна нулю не только действующая на нее равнодействующая сила, но и полный момент сил. Особенность игрушки в том, что колеса не создают такого момента, поскольку прилагаемая ими сила имеет нулевое плечо. Аэродинамической подъемной силы в этом случае также не возникает из-за того, что воздушный поток вокруг нити симметричный. Вместо этого воздух создает силу сопротивления, зависящую от скорости. А поскольку модуль скорости постоянен вдоль нити, то таким же свойством обладает и сила сопротивления. Ее интегральное действие на всю петлю формирует момент сил, направленный противоположно гравитационному моменту и обеспечивающий равновесие. С учетом этого факта физик рассмотрел бесконечно малый участок нерастяжимой и абсолютно гибкой нити и записал для него второй закон Ньютона для движения и вращения. Численное интегрирование этих уравнений способно восстановить форму петли, для чего ученому нужны были какие-то конкретные параметры петли. Он взял их из эксперимента с реальной игрушкой, произведенной фирмой LoopLasso, с нитью стрингшутера длиной 3,08 метра и массой 2,72 грамма и диаметром колес 2,7 сантиметра. Боковая фотография нити и ее последующая оцифровка позволили получить координаты участков петли и ее общие параметры: размер, угол запуска и угол возврата. Также физик пометил один из участков нити маркером, что позволило вычислить скорость нити по видео — она составила 7,5 метра в секунду. Автор использовал добытые параметры в моделировании. Единственную неизвестную величину — коэффициент сопротивления — он извлек из подгонки с наилучшим соответствием. Результаты моделирования оказались в хорошем согласии с опытом. Отклонения наблюдались только в области большой кривизны — физик связал это с невыполнением требования абсолютной гибкости. На основе развитой модели он также показал, что момент силы тяжести уравновешивается сопротивлением воздуха вдоль всей нити. Ранее мы рассказывали, как физики объясняют механику других повседневных вещей и явлений: падения бутерброда маслом вниз, живучесть кошек при падении с высоты и переноску чашки с кофе.
