「ディープラーニングベースのフレームワークを使用した高速かつ正確な音響ホログラム生成」

高速で正確な音響ホログラム生成

DGIST電気工学およびコンピュータサイエンス学科の黄宰潤教授率いるチームは、ホログラムに基づいたリアルタイムでの焦点超音波の自由な構成を可能にする、深層学習を利用した超音波ホログラム生成フレームワーク技術を開発しました。将来的には、精確な脳刺激と治療のための基盤となる技術となるでしょう。

出生前の検査においても、超音波は安全なツールです。手術を必要とせずに深い場所を活性化できるため、脳刺激と治療のための超音波技術が最近研究されています。以前の研究によると、超音波による脳刺激はアルツハイマー病、うつ病、痛みなどの病気を治癒することができます。

これらの制約を克服するために、黄宰潤教授率いるDGISTチームは、リアルタイムで自由かつ正確な超音波焦点をカプセル化できる深層学習ベースの学習アーキテクチャを提案しました。その結果、黄宰潤教授のチームは、現在の超音波ホログラム生成アルゴリズムアプローチよりもほぼリアルタイムで、最大400倍速く必要な形状に超音波を焦点化することができることを示しました。

• 韓国のこの人工知能（AI）論文では、FFNeRVという新しいフレーム単位のビデオ表現が提案されていますフレーム単位のフローマップと多重解像度の時空グリッドを使用しています
• 「Rodinに会ってください：さまざまな入力ソースから3Dデジタルアバターを生成する革新的な人工知能（AI）フレームワーク」
• 「デバイス内AIの強化 QualcommとMetaがLlama 2テクノロジーと共同開発」

研究チームの深層学習ベースの学習フレームワークは、自己教師あり学習を通じて超音波ホログラム生成のスキルを開発します。自己教師あり学習は、解決策のないデータのルールを見つけるためにコンピュータに自己学習させる技術です。研究チームは、超音波ホログラムの生成を学習するための手法、超音波ホログラム生成に適した深層学習ネットワーク、およびシミュレーションと実際の試験を通じて各要素の信頼性と優位性を示す新しい損失関数を提案しました。

問題と解決策

現在の技術では、脳の複数の領域が同時に相互作用する場合に、超音波を1つの小さな点または大きな円に集中させるため、関連する脳の部分を選択的に活性化することが困難です。特定の位置に超音波を自由に焦点化するために、ホログラフィックな概念を使用するシステムが問題の解決策として提案されていますが、精度が低く、ホログラムを作成するための計算プロセスが長いなどの欠点があります。

要約すると-

音響ホログラフィーはさまざまなアプリケーションで人気が高まっています。しかし、音響ホログラムを作成する方法についての研究はまだほとんどありません。従来の音響ホログラムアルゴリズムでも、音響ホログラムを迅速かつ正確に生成するための効率性がさらに必要であり、新しいアプリケーションの作成が妨げられています。DGISTの黄宰潤教授率いるチームは、音響ホログラムを迅速かつ正確に作成するための深層学習ベースのシステムを提案しています。フレームワークのオートエンコーダのような設計により、グランドトゥルースの必要性なしに教師なし学習の実現が可能です。ホログラフィック超音波生成ネットワーク（HU-Net）、ホログラム作成のための教師なし学習に理想的な新しいホログラム生成ネットワーク、およびエネルギー効率の良いホログラムに適した独自の損失関数が、フレームワークで示されています。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!