UCLAの研究者らは、映すものを意図的に歪める鏡を製作した。嘘をつく鏡は、反射するあらゆる画像を別の無害な見た目のパターンへと変換して元の情報を隠蔽するように設計された表面であり、電子機器もコンピュータも可動部品も一切使わない。この研究はNature Communications誌に掲載された。
このデバイスは、UCLAのアイドガン・オズカン氏のグループが製作したもので、構造化回折表面に基づく全光学システムである。これは、同研究室が先駆けて開拓した回折ニューラルネットワークに関連する概念だ。表面は計算による最適化を通じて訓練され、入力画像を、一見すると普通で、背後にあるデータを偽装する出力パターンへと変換する。
その結果は、暗号化の受動版と言えるものだ。観察者は反射パターンの中に普通のものを見るだけであり、変換を知っている者か、対応するデコーダを持つ者のみが元の画像を復元できる。このシステムは純粋に光学的であるため、光速で動作し、電力を消費せず、侵害されるおそれのあるソフトウェアも存在しない。
実験的な実装には、性質を精密に変えた微小なミラー要素で構成される構造化マイクロミラーアレイが用いられた。研究チームは、カラー画像の青、緑、赤の各チャンネルをカバーする480、550、600 nmの波長でこの効果を実証し、さらに連続的なスペクトル範囲で動作するブロードバンド版を製作して、現実的な照明の下でも偽装が頑健に機能するようにした。
この変換は、ランダムな画像ノイズや、入力特徴の未知の回転、平行移動、スケーリングに対して耐性を示した。これは、入力を制御できない実世界の応用にとって重要である。
応用の可能性としては、秘匿マーキングや改ざん防止ラベルが重視される防衛・安全保障分野や、見る人によって意味が変わる画像を表示技術に利用できるエンターテインメント分野が挙げられる。著者らは、この研究を、実用化された製品というよりは、構造化回折表面が視覚情報処理に対して何ができるかを示す実証と位置づけている。
この研究は、オズカン氏のグループが開発してきた回折ニューラルネットワークを発展させたものだ。回折ニューラルネットワークは、光の散乱のみを通じて画像分類や物体検出といった機械学習タスクを実行するよう訓練された、微細構造の層状表面である。嘘をつく鏡は、そのアイデアを計算から隠蔽へと向け直す。つまり、表面は見たものを認識する代わりに、反射するものを認識できない何かへと変換する。訓練は計算によって行われるが、訓練済みの表面は静的な物理的物体であり、エネルギー消費も、光の飛行時間を超える遅延もなしに、即座にその機能を果たす。
このシステムには限界がある。各ミラーは特定の一つの変換のために訓練されるため、機能を変えるには新しい表面の設計が必要となる。実証には画像データが用いられた。動画や任意の入力には、さらなる工学的対応が必要となるだろう。デバイスは一度製作されると固定され、デジタルシステムのような再構成性はない。また、頑健性が実証されたのは試験された特定の変換についてであり、普遍的に証明されたわけではない。
安全保障上の含意は両刃の剣だ。防御的な側面では、普通の見た目のパターンに情報を隠す表面によって、機密性の高い視覚データを保護したり、製品に偽造防止のマークを付けたり、デジタルに保存されるのではなく物理的に製作されるため偽造が難しい認証機能を作り出したりできる。攻撃的な側面では、同じ能力が監視から情報を隠したり、画像システムに欺瞞的な信号を埋め込んだりするために使われ得る。隠蔽技術のデュアルユース性はこの分野に本質的に備わったものであり、デジタル世界における暗号化やステガノグラフィーと種類を同じくする。
この研究は、計算と光学の境界が溶解し続けていることを示している。光速で受動的に動作しながら、視覚情報を変換し、隠蔽し、復号するよう訓練できる表面は、トランジスタを介さずに情報を処理する。
雅子 訳
出典: Li, Y., Chen, S., Bai, B. & Ozcan, A. Lying mirror using structured surfaces. Nature Communications (2026). DOI: 10.1038/s41467-026-76488-2.