본 논문은 사전 지식이나 제어 없이 수동적인 두 점 광원의 파장 이하 분리를 추정하기 위한 매개변수 분리 초고해상도 프레임워크를 제시합니다. 부분적 코히어런스, 밝기 불균형, 무작위 상대 위상 및 광자 통계와 같은 여러 어려운 매개변수를 추정할 필요가 없다는 이론적 기반을 제시합니다. 표준 데스크탑 워크스테이션으로 훈련된 물리 정보 기반 기계 학습(ML) 모델은 이 이론을 시너지 효과적으로 통합하여 배경 노이즈, 광자 손실 및 중심/방향 정렬 오류와 같은 실제 결함을 추가로 해결합니다. 통합된 매개변수 분리 초고해상도 방법은 실험적으로 생성된 사실적인 이미지에서 회절 한계보다 14배 이상 낮은 해상도(광학 현미경에서 약 13.5nm에 해당)를 82% 이상의 충실도로 달성하여 능동적으로 제어 가능한 광원에 대한 최첨단 기술과 경쟁하는 성능을 보여줍니다. 중요한 것은, 본 방법의 광원 매개변수 변동성과 광원 독립적 노이즈에 대한 강건성으로 인해 천체 이미지, 생세포 현미경 및 양자 계측과 같이 광원 제어가 불가능한 실제 시나리오에서 잠재적인 응용이 가능합니다. 본 연구는 수동 시스템에 대한 이론적 초고해상도 한계와 실제 구현 간의 중요한 격차를 해소합니다.
