Kunstmatige intelligentie (AI) is cruciaal bij vrijwel alle toepassingen die intensief gebruik maken van computervisie, zoals in de biowetenschappen, biomedisch onderzoek, ruimteonderzoek, hightech productie en beveiligingstechnologie. AI is per definitie niet-lineair en biedt daarom mogelijkheden om beter te presteren dan traditionele beeldvormingstechnieken. Maar AI is ook een ‘black box’, wat een serieus dilemma oplevert voor wetenschappelijke toepassingen: wat aan prestaties wordt gewonnen, gaat verloren in de interpreteerbaarheid van de resultaten. Wat ook verloren gaat is de mogelijkheid om bestaande fysieke kennis van het systeem in het proces te integreren.

Met het IRIS-lab willen we de zwarte doos van AI openen en methodologieën ontwikkelen voor context-onafhankelijke, op kennis gebaseerd learning of imaging systemen welke zich richten op fundamentele uitdagingen die terugkomen in alle kwantitatieve beeldverwerkingstoepassingen.

Onze voorgestelde AI-technologie kan worden toegepast op beeldvorming met elektronen, optische en ultrasone beeldvorming om dynamische moleculaire processen in levende organismen op te helderen. Denk hierbij aan conformationele ensembles van eiwitten, de dynamiek van individuele moleculen in dik weefsel en het in real time in superresolutie in kaart brengen van het vaatstelsel.