これまでの散乱を通したイメージングは、複雑な光学系や計測プロセスにおける侵襲性が課題であった。本計画研究では深層学習を含む機械学習やスペックル相関イメージングなど情報工学に基づく手法を活用して、これらの課題解決を進める。敵対的生成ネットワーク（GAN）や最新の深層学習モデルなどを適用し、高機能化をめざす。スペックのメモリ効果が保たれる散乱領域では、スペックル相関イメージングの多次元化や視野拡大に取り組む。一方、時間変化する散乱媒質を介したイメージング技術の開発も進める。高時間分解能による対象計測を前提として、スペックル変化をシフトやスケーリングなどで表現する。計測散乱場の逆関数を高速更新する手法と、リカレントニューラルネットワーク（RNN）によりスペックルから散乱媒質の時間変化を推定する手法などの研究を進める。これら手法を、サイバーフィジカルシステムにおけるディジタルツインの概念の下で統合することにより、情報工学に基づいた散乱・揺らぎ場の透視化に関する系統的学理の形成をめざす。

キックオフシンポジウム録画

インテリジェント散乱・揺らぎイメージング゙