Récemment, le modèle d'IA auto-supervisé GedankenNet a suscité un vif intérêt. Contrairement aux modèles traditionnels, GedankenNet n'a pas besoin d'être entraîné sur de vraies données. Il apprend grâce à des expériences de pensée et aux lois de la physique, offrant ainsi de nouveaux espoirs pour la reconstruction d'images de microscopie holographique.
Ce modèle est entraîné grâce à une perte de cohérence physique. Il ne nécessite pas d'itérations, ce qui le rend plus rapide et plus précis. Les résultats de la recherche montrent qu'il excelle en termes de qualité d'image et de généralisation externe, promettant ainsi de faire progresser le domaine de la microscopie holographique et de réduire la dépendance aux ensembles de données massifs.
