Oamenii de știință au creat prima limbă artificială care poate simți și identifica aromele în întregime în medii lichide – imitând modul în care funcționează papilele gustative umane.
Realizarea, descrisă pe 15 iulie în jurnal PNASar putea duce la sisteme automate pentru siguranța alimentelor și detectarea precoce a bolilor prin analiza chimică, spun cercetătorii.
Tehnologia ar putea fi, de asemenea, integrată în echipamentele de laborator pentru analiza chimică a probelor lichide. Cercetătorii consideră, de asemenea, un pas către „calculul neuromorf” – sisteme AI care imită procesul de învățare al creierului.
Limba artificială este realizată din membrane de oxid de grafen, foi ultra-subțiri de carbon care acționează ca filtre moleculare pentru versiuni ionice de gusturi. În loc să separe particule mari, aceste membrane încetinesc mișcarea ionilor, lăsând dispozitivul să identifice și să -și amintească gusturile plasate în dispozitiv.
În noul studiu, dispozitivul a identificat patru gusturi de bază-dulce, acru, sărat și amar-cu o precizie de 72,5% până la 87,5% și cu o precizie de 96% pentru băuturi cu mai multe profiluri de aromă precum cafea și Coca-Cola. Precizia mai mare se datorează machiajului electric al amestecurilor complexe de băuturi, ceea ce le facilitează identificarea sistemului. Potrivit studiului, aceasta este prima dată când cercetătorii au combinat cu succes detectarea și procesarea informațiilor într -un singur sistem umed.
“Această descoperire ne oferă un plan pentru construirea de noi dispozitive ionice inspirate de bio”, ” Yong Yanprofesor de chimie la Centrul Național pentru Nanoștiință și Tehnologie în China și coautor al studiului, a declarat Live Science într-un e-mail. „Dispozitivele noastre pot funcționa în lichid și pot simți informațiile lor asupra mediului și procesării lor – la fel cum face sistemul nostru nervos”.
O descoperire în procesarea informațiilor în lichid
Sistemele de degustare anterioare au procesat toate informațiile despre sistemele de calculatoare externe, dar noul sistem efectuează toate detecțiile și o mare parte din procesarea datelor în lichid. Această abordare în primul rând lichidă permite o mai mare precizie, deoarece permite procesarea gusturilor în starea lor ionică naturală, în loc să fie transformată pentru a se potrivi cu procesarea sistemelor uscate.
Înrudite: Oamenii de știință au construit o „limbă electronică” alimentat cu AI
Întrucât componentele electronice tradiționale funcționează în lichid, cercetătorii au trebuit să separe funcțiile de detectare și procesare. Această descoperire depășește această limitare prin utilizarea membranelor de oxid de grafen care pot detecta și efectua o mare parte din procesarea informațiilor imersate în lichid.
“Ne lipsesc componente care pot efectua în mod fiabil detectarea, procesarea logică și calcularea neuromorfă în medii lichide”, a spus Yan. „Cercetarea noastră încearcă să abordeze aceste probleme critice.”
Limba artificială funcționează prin dizolvarea compușilor chimici în lichid care apoi se descompun în ioni. Ionii trec prin straturi de foi de carbon specializate, care creează canale incredibil de mici de mii de ori mai subțiri decât un păr uman.
Acest lucru permite ca ionii să creeze modele unice care să semnaleze care aromatizează compusul chimic inițial reprezintă. Apoi, sistemul „învață” acest model și devine mai precis în identificarea gusturilor cu utilizarea continuă.
O inovație cheie constă în modul în care cercetătorii au încetinit mișcarea ionilor prin canale – ceea ce o face de 500 de ori mai lentă decât în mod normal. Această încetinire a oferit sistemului timp pentru a „aminti” fiecare gust pe care l -a întâlnit, cu amintiri care durează în jur de 140 de secunde, în loc de doar milisecunde, în funcție de grosimea membranei.
Cercetătorii și -au comparat rezultatele cu lucrările recente ale lui Andrew Pannone și colegii săi, care au publicat în Jurnal Natură în octombrie 2024. Acest studiu a folosit rețele neuronale care rulează pe Calculatoare tradiționale, în stare solidă Pentru a analiza datele din limbile electronice bazate pe grafen.
Sistemul procesează informații despre ceea ce oamenii de știință numesc un rezervor care permite sistemului să învețe aromele. Rețeaua neuronală sau porțiunea de procesare a sistemului identifică tiparele și le transmite pentru procesarea finală.
„Am identificat diferite arome folosind un sistem mai simplu de învățare automată: calcularea rezervorului de piese și o parte din rețeaua neuronală de bază”, a explicat Yan. “În mod crucial, dispozitivul nostru fizic a făcut o parte din lucrările de calcul.” Acest lucru este spre deosebire de sistemele care se bazează în întregime pe calculatoarele externe pentru procesare.
Sistemul construiește amintiri progresiv, similar cu modul în care creierele noastre învață să distingă aromele. Cu fiecare expunere, sistemul devine mai bun la diferențierea gusturilor similare.
“Poate face distincție în mod fiabil între arome complexe precum cafeaua, cocsul și chiar amestecurile lor – care se potrivește cu performanța rețelei neuronale sofisticate a lui Pannone”, a spus Yong.
Aplicații medicale și practice
Tehnologia ar putea permite detectarea precoce a bolilor prin analiza gustului, să ajute la identificarea efectelor medicamentelor și să ajute persoanele care și -au pierdut sentimentul de gust din cauza unei tulburări neurologice sau a unui accident vascular cerebral.
Limba artificială ar putea ajuta, de asemenea, la îmbunătățirea testării siguranței alimentare, a controlului calității în producția de băuturi și a monitorizării mediului a aprovizionării cu apă. Ar putea face acest lucru contribuind la identificarea aromelor specifice din eșantioane.
„Aceste inovații au pus bazele critice pentru aplicații, de la diagnosticare medicală până la mașini autonome capabile să -și„ deguste ”mediul”, a spus Yong.
În timp ce rezultatele sunt promițătoare, Yong a recunoscut că rămân provocări semnificative. “Sistemul este încă prea voluminos pentru aplicații practice”, a spus el pentru Live Science. „Sensibilitatea de detectare are nevoie de îmbunătățiri, iar consumul de energie este mai mare decât ne -am dori”.
Cu toate acestea, Yong rămâne optimist cu privire la calendarul pentru îmbunătățiri. „Odată ce crăpăm provocările de extindere a producției, îmbunătățirea eficienței energiei electrice și integrarea mai multor senzori – și dezvoltăm hardware neuromorf compatibil, am putut vedea progrese transformatoare în tehnologia medicală, robotica și monitorizarea mediului în următorul deceniu.”