=通过将机器学习与物理定律相结合，圣路易斯华盛顿大学电气与系统工程副教授MatthewLew实验室的研究人员已经能够从5D中梳理出重叠单分子的方向和位置。单个图像。

他们的研究于9月26日发表在《光学快报》杂志上。

所讨论的五个维度不是新的或隐藏的空间维度。相反，一个由博士吴婷婷领导的团队。McKelvey工程学院成像科学项目的学生能够设计一个系统，该系统可以判断分子在3D空间中的方向以及在2D中的位置：来自单个嘈杂、像素化图像的五个参数。

使用机器学习算法与后处理相结合，Lew实验室可以从左侧嘈杂的像素化图像中发现右侧的结构。右边的图像是用估计的3D方向进行颜色编码的。学分：卢实验室

为了从一个看似简单的光点中获取这些额外的复杂信息，该团队确实设计了一种机器学习算法，但增加了一个额外的步骤。

“很多人端到端使用人工智能，”吴说。“只要把你拥有的东西放进去，然后让神经网络给你你想要的东西。”她决定将问题分为两个步骤，以减轻算法的负担，使其更加健壮。

在Lew实验室进行的那种成像——单分子——往往非常“嘈杂”，包含可能使图像模糊的“斑点”或波动。对于大多数机器学习神经网络，Lew说，“稳健地处理这种噪声可能非常难以学习。”

淀粉样蛋白。它们的长度和方向分别表示它们的面内方向和方向的大小。学分：卢实验室

然而，人类已经了解了来自感兴趣分子的信号和这种噪声是如何在显微镜图像中组合在一起的。该团队没有要求算法重新学习物理定律，而是添加了第二个“后处理”算法——一种将这些物理定律应用于第一个算法的结果的简单计算。

“这就像我把两个问题分成两个算法，”吴说。

吴说，在处理了数千张快照后，结果是一张“美丽的图像”，它使用颜色、曲率和方向来指示数千个分子是如何相互连接的。

最终，该系统将能够帮助研究人员更好地理解微小尺度的生物过程——比如淀粉样蛋白组装形成与阿尔茨海默病相关的缠结结构的方式。