Combiner intelligence et matériaux artificiels pour voir l'invisible

A gauche, le réseau de haut-parleurs. Devant, le métamatériau acoustique qui encode l’information. A droite, les microphones utilisés pour imager la source. @Bakhtiyar Orazbayev/EPFL

A gauche, le réseau de haut-parleurs. Devant, le métamatériau acoustique qui encode l’information. A droite, les microphones utilisés pour imager la source. @Bakhtiyar Orazbayev/EPFL

En couplant des métamatériaux et des réseaux de neurones, des chercheurs de l’EPFL démontrent que l’on peut utiliser le son pour de l’imagerie fine.

L’imagerie permet de représenter un objet en analysant à distance les ondes, lumineuses ou sonores, qu’il émet ou diffuse. Plus elles sont courtes, plus la résolution est fine, sachant que le niveau de détail ne peut pas dépasser la longueur de l’onde utilisée. Quoique. Des chercheurs de l’EPFL apportent aujourd’hui la preuve qu’une onde longue et donc peu clairvoyante, en l’occurrence le son, peut dessiner des détails jusqu’à 30 fois plus petits que sa longueur. Pour cela, l’équipe du Laboratoire d’ingénierie des ondes a combiné des métamatériaux, éléments créés de toutes pièces, et de l’intelligence artificielle. Cette expérience ouvre des perspectives intéressantes, notamment dans les domaines de l’imagerie médicale et de la bio-ingénierie. La recherche vient de paraître dans Physical Review X.

L’idée géniale des chercheurs est d’avoir associé deux technologies qui ont fait séparément avancer l’imagerie. D’une part, les métamatériaux qui, façonnés à l’envi, sont par exemple capables de focaliser finement les ondes. Cependant, ils perdent de leur efficacité en absorbant beaucoup le signal, de façon très mélangée, ce qui le rend finalement difficile à décoder. D’autre part, l’intelligence artificielle à travers des réseaux de neurones, qui peuvent eux décoder de façon rapide et efficace des informations des plus complexes. Cela nécessite toutefois un processus d’apprentissage.

Version schématique du réseau de hauts-parleur et du métamatériau. ©Bakhtiyar Orazbayev/EPFL

Pour dépasser ce que l’on appelle en physique la limite de diffraction, l’équipe de Romain Fleury a donc réalisé l’expérience suivante. Dans leur laboratoire, les chercheurs ont placé un panneau composé de 64 mini haut-parleurs qui sont activés selon les pixels d’une image. Ce panneau forme une source sonore avec de très fins détails spatiaux, qui reproduisent les images de chiffres de 0 à 9, issus d’une base de données de quelque 70 000 versions des chiffres en écriture manuelle. En face du tableau se trouve un sac contenant 39 résonateurs de Helmholtz, des sphères percées de 10 centimètres de diamètre, formant un métamatériau. Le son émis par la source est renvoyé par cette structure et reçu par quatre micros placés quelques mètres plus loin. Des algorithmes décodent alors le son enregistré par les micros afin d’apprendre à reconnaître et redessiner l’image du chiffre initial.

Un inconvénient avantageux

Le taux de succès avoisine les 90%. « En reconstruisant des images de chiffres avec une résolution de quelques centimètres alors que la longueur d’onde du son est de l’ordre du mètre, nous avons largement dépassé la limite de diffraction, résume Romain Fleury. En outre la propension d’absorption qui était considérée comme un inconvénient majeur des métamatériaux, se révèle un atout quand on fait appel aux réseaux de neurones : nous avons découvert qu’ils fonctionnent mieux quand il y a beaucoup d’absorption. »

Imagerie du Logo EPFL par le système. La lettre du haut est l’image initiale, la lettre du bas est le résultat du réseau de neurones avec le coefficient de correlation entre les deux. ©Bakhtiyar Orazbayev/EPFL

Pour l’imagerie médicale, pouvoir utiliser des ondes longues pour voir de choses très petites est une avancée majeure. « Les ondes longues permettent d’utiliser des fréquences beaucoup plus basses, ce qui permet aux techniques d’imagerie acoustique de fonctionner même à travers les tissus osseux opaques, ou dans le cas de l’imagerie à l’aide d’ondes électromagnétiques, d’être moins nocives pour la santé, précise le chercheur. Dans ce cas, les réseaux de neurones n’apprendraient pas à reconnaître ou imager des chiffres, mais des structures biologiques.»

Funding

Fonds national suisse de la recherche scientifique, Eccellenza award.

References

Far-field subwavelength acoustic imaging by deep learning. Bakhtiyar Orazbayev and Romain Fleury, Physical Review X, 7 August 2020. DOI: 10.1103/PhysRevX.10.031029



Images to download

©Bakhtiyar Orazbayev/EPFL
©Bakhtiyar Orazbayev/EPFL
©Bakhtiyar Orazbayev/EPFL
©Bakhtiyar Orazbayev/EPFL
©Bakhtiyar Orazbayev/EPFL
©Bakhtiyar Orazbayev/EPFL

Share on