Videocamera a 1 pixel: registra ologrammi 3D anche attraverso i tessuti

Una nuova tecnologia giapponese si è dimostrata capace di registrare filmati tridimensionali in tempo reale utilizzando un solo pixel. Il sistema di cattura arriva dalla Kobe University, dove il gruppo di ricerca guidato da Yoneda Naru ha progettato un dispositivo che non solo supera i limiti della visione attraverso oggetti opachi, ma lo fa anche utilizzando frequenze di luce al di fuori dello spettro visibile.

Il fulcro dell’esperimento è un dispositivo chiamato digital micromirror device, un sistema di micro-specchi in grado di proiettare rapidamente schemi di luce olografica sul campione da osservare. La velocità di questo strumento è impressionante: raggiunge i 22.000 cicli al secondo, contro i tradizionali 60, con un’efficienza paragonabile alla differenza tra una comune passeggiata e la velocità di un treno super veloce giapponese.

Questo approccio unisce i punti di forza di due metodi precedenti per la registrazione olografica: FINCH, efficace ma limitato alla luce visibile e a condizioni ideali, e OSH, capace di penetrare materiali opachi ma troppo lento per applicazioni dinamiche. Grazie alla nuova configurazione, è ora possibile ottenere immagini tridimensionali di oggetti in movimento e persino filmati olografici attraverso tessuti biologici, come un cranio di topo.

Il potenziale impatto nel campo medico e biologico è enorme: dalla possibilità di osservare processi fisiologici in tempo reale senza interventi invasivi, fino a nuove tecniche diagnostiche basate sull’analisi tridimensionale interna dei tessuti. Un vantaggio non trascurabile è l’uso della cosiddetta "sparse sampling", una tecnica che permette di ridurre i dati necessari per costruire le immagini, aumentando così la frequenza dei fotogrammi fino ai 30 hertz, uno standard per i video normali.

La qualità dell’immagine è ancora in fase di sviluppo, ma i ricercatori stanno già lavorando per migliorarla grazie a modelli di luce ottimizzati e all’impiego di algoritmi di deep learning. Il tutto con l’obiettivo di trasformare enormi quantità di dati grezzi in immagini ad alta definizione, potenzialmente in tempo reale.