Исследователи из Эйндховена и Северо-Западного университета разработали новый нейроморфный биосенсор, способный к обучению на микросхеме и не требующий внешнего обучения.

Исследователи разработали нейроморфный биосенсор, обучаемый на микросхеме без внешнего обучения.

Нейроморфный компьютеринг вдохновлен структурой и функцией человеческого мозга. Нейроморфный чип – это устройство, которое использует физические искусственные нейроны для вычислений. В отличие от обычных цифровых процессоров, эти чипы разработаны для выполнения искусственного интеллекта (ИИ) и машинного обучения (МО) в биологически вдохновленном и энергоэффективном методе. Однако их широкое использование может быть улучшено за счет необходимости обучения нейроморфных компьютеров с использованием внешнего обучающего программного обеспечения, что требует много времени и неэффективно с точки зрения энергопотребления.

Для решения этой проблемы исследователи из Технического университета Эйндховена и Северо-Западного университета в США разработали нейроморфный биосенсор, способный обучаться на чипе, что исключает необходимость во внешнем обучении.

Используемый ими умный биосенсор – это нейроморфный биосенсорный компьютер, созданный так, чтобы он работал как нейроны взаимодействуют в человеческом мозге.

• Исследователи из Университета Пенсильвании представляют Kani легковесный, гибкий и независимый от модели открытый фреймворк искусственного интеллекта для создания приложений на языковых моделях.
• Google Research представляет MediaPipe FaceStylizer эффективное решение для стилизации лица в стиле few-shot
• Это исследование искусственного интеллекта из Кореи представляет MagiCapture метод индивидуализации для интеграции концепций субъекта и стиля для создания портретных изображений высокого разрешения.

Исследователи говорят, что умный биосенсор может научиться обнаруживать заболевание, например, кистозный фиброз, без использования компьютера или программного обеспечения. Кроме того, они отмечают, что нейроморфный компьютеринг может значительно повлиять на здравоохранение, особенно на медицинские устройства для проверки наличия заболевания или состояния.

Исследователи проверили эффективность своего нового чипа на генетическом заболевании – кистозном фиброзе (наследственное заболевание, которое может повредить органы, такие как легкие и пищеварительная система). Кистозный фиброз можно обнаружить с помощью потового теста, при котором повышенное количество анионов хлорида указывает на наличие заболевания.

Исследователи говорят, что они не работали с реальными данными пациентов для упрощения реализации. Однако они использовали образцы пота от здоровых доноров. Они использовали один образец пота здорового донора, а затем приготовили второй образец с очень высоким количеством анионов хлорида. Исследователи говорят, что они изучили несколько образцов пота с различными известными концентрациями ионов, а затем тестировали образцы на чипе. Если результат теста в чипе был неправильным, они исправляли чип.

Биосенсор состоит из трех основных частей – модуля датчика, аппаратной нейронной сети и классификационной части вывода. Модульный биосенсор представляет собой интегрированный массив органических нейроморфных устройств, формирующих синаптические веса аппаратной нейронной сети и классификационного слоя вывода. Ион-селективные электроды измеряют количество хлорида и других ионов в поте после нанесения капли пота на модуль датчика. Нейроморфный чип обрабатывает эти импульсы, и результаты анализа отображаются в виде зеленого или красного света, обозначающего успешный или неуспешный исход.

Этот метод обучения на чипе позволяет создавать индивидуализированные имплантируемые нейронные сети, которые могут быть обучены непосредственно конечным пользователем с использованием его данных. Такой метод имеет потенциал для большого влияния на людей. В конечном итоге он может обучать чипы работать с протезами и другими устройствами в режиме реального времени. В отличие от традиционных методов, эти чипы по-настоящему уникальны в своей способности учиться и адаптироваться к своим задачам и параметрам, что позволяет обойтись без предварительного программирования.