El académico postdoctoral Nelson Díaz, en conjunto con el Instituto Nacional de Investigación Científica (INRS) de Canadá, diseñaron una solución tecnológica que permite la generación de videos ultrarrápidos de fenómenos naturales únicos.
Su trabajo titulado “Single-mask sphere-packing with implicit neural representation reconstruction for ultrahigh-speed imaging”, fue publicado en mayo del 2025 en la revista Optics Express con un factor de impacto de 3.4.
Con la participación del Dr. Felipe Guzmán y Dr. Esteban Vera, en el artículo se propone una metodología compuesta por dos desarrollos científicos: la implementación de un nuevo código de apertura para equipos sofisticados de fotografía de alta velocidad conocido como COSUP (compressed optical-streaking ultra-high-speed photography) y una innovadora técnica de inteligencia artificial para reconstrucción de video.
Tecnologías más eficientes a menor costo
Estas cámaras de barrido óptico se utilizan en la investigación avanzada y captura de fenómenos transitorios. Es decir, para la observación de eventos muy breves, que ocurren una única vez o que son muy difíciles de replicar, tales como; explosiones, ondas de choque y seguimiento de pulsos de láser.
Para ello, Nelson diseñó un código de apertura con un patrón organizado basado en el empaquetamiento de esferas. “En la cámara hay algo que se llama código de apertura, que es una matriz de píxeles que puedes activar o desactivar para dejar pasar la luz o bloquearla. Eso nos permite seleccionar lo que queremos medir”, explica el investigador.
De esta forma, el código no multiplexado permite un escaneo uniforme en espacio y tiempo de la luz, facilitando la posterior reconstrucción de los datos del evento transitorio mediante un algoritmo de inteligencia artificial económico y probado experimentalmente.
Se trata de una red neuronal implícita, la cual no requiere entrenamiento previo para su funcionamiento y permite una renderización precisa de un video ultrarrápido a partir de una sola captura.
“La ventaja de esta técnica es que es independiente de los datos, ya que no requiere ser entrenada con un conjunto masivo de datos como las redes neuronales más avanzadas. Nuestro algoritmo se entrena únicamente con una medición de la cámara, es decir, solo con una imagen. Además, este enfoque es rentable porque puede ejecutarse en una computadora portátil convencional, sin necesidad de un servidor potente”, comenta Nelson Díaz.
El equipo del laboratorio de Optoelectrónica PUCV colaboró con el profesor Jinyang Liang, experto en el diseño de arquitecturas para la captura de eventos ultrarrápidos. También participaron MSc. Madhu Beniwal, el Dr. Miguel Marquez, y Dr. Cheng Jiang del del INRS.
Uno de los aspectos más destacables de la propuesta, es que se validó la eficacia de la técnica mediante experimentos con datos reales en el Laboratorio de Imágenes Computacionales Aplicadas del instituto canadiense.
Respecto a los próximos pasos en la investigación, Nelson Díaz agrega que buscan ampliar el enfoque del estudio para optimizar el uso de la luz en las mediciones, lo cual implica nuevos y mayores desafíos.
Específicamente, dedicarán sus esfuerzos al diseño de aperturas codificadas basadas en empaquetamiento de esferas que se multiplexan en el tiempo para mejorar la transmisividad, además de explorar el uso de algoritmos de reconstrucción basados en aprendizaje profundo basados en física y orientados por datos.
Felicitamos al equipo de Optolab y celebramos esta colaboración internacional con el INRS por el diseño de esta metodología destacada en el área debido a su eficiencia, bajo costo y exitosa validación experimental en un laboratorio.