Поки машини вправно опанували зір та слух, відчуття смаку виявилося значно складнішим для оцифрування. Світ уже бачив створення вузькоспеціалізованих штучних язиків, що розпізнавали солодкість, шоколад, пиво, вино чи віскі. Проте нещодавно дослідники в Пекіні розробили значно універсальніший “язик” на основі оксиду графену, який не просто виявляє хімічні речовини, а й навчається їх розпізнавати. Під час лабораторних випробувань ця інноваційна система визначила кислий, солоний, гіркий та солодкий смаки з точністю майже 99%, демонструючи, що смак цілком можливо зафіксувати в цифровій формі.
Революція в нейроморфній інженерії
Команда науковців із Національного центру нанонауки та технологій у Пекіні, спільно з колегами з усього Китаю, створила нейроморфний пристрій, який імітує одне з наших найособистіших відчуттів — смак. Пекін, як відомо, є столицею Китайської Народної Республіки та одним із найбільших у світі міст за населенням, а також важливим осередком науки, освіти та технологій, що й засвідчує ця розробка. Їхня “штучна смакова система” використовує багатошарові мембрани з оксиду графену, які не лише відчувають хімічні речовини в розчині, а й безпосередньо обробляють сигнали, відтворюючи спільну роботу біологічних смакових рецепторів та нейронів. Оксид графену — це похідна графена, що має унікальні електричні та механічні властивості, роблячи його надзвичайно перспективним для сенсорів та електроніки.
На відміну від більшості штучних сенсорів, побудованих на твердотільній електроніці, відчуття смаку має функціонувати в рідині, де сигнали переносять іони, а не електрони. Команда вирішила це завдання за допомогою мемристорного пристрою на основі іонного сенсора з оксиду графену (GO-ISMD).
Як працює “цифровий смак”
У наноконфінованих каналах пристрою іони проходять інтерфейсну адсорбцію та десорбцію, що сповільнює їхній рух і створює електричну реакцію, подібну до пам’яті, з гістерезисом. Ця летюча короткострокова пам’ять дозволяє одному й тому ж компоненту як виявляти хімічні речовини, так і виконувати обчислення безпосередньо в сенсорі у вологому, фізіологічному середовищі, що є першим подібним досягненням.
При тестуванні з імпульсами напруги пристрій поводиться дуже подібно до синапсу. Синапс — це місце контакту між двома нервовими клітинами або між нервовою клітиною та ефекторною клітиною, де відбувається передача нервового імпульсу. Пристрій може посилювати або послаблювати свою реакцію, демонструвати ефекти пам’яті й навіть запам’ятовувати два сигнали, що надходять майже одночасно. Чим товща мембрана, тим довше триває ця пам’ять; у деяких випадках до близько 140 секунд, що значно перевищує те, що можна було б передбачити від простого руху іонів. Для перетворення цієї динаміки на сприйняття група використала резервуарні обчислення — метод, який належить до нейроморфних обчислень і дозволяє ефективно обробляти часові ряди даних, імітуючи деякі функції мозку. Нейроморфні обчислення — це цілий напрямок, що прагне відтворити структуру та функціонування людського мозку для створення ефективніших комп’ютерних систем.
“Натхненні біологічною смаковою системою, ми розробили розумну систему, яка використовує наші пристрої для ‘розпізнавання’ хімічних речовин на основі їхніх смаків”, — пояснює Йон Ян, один з дослідників, у листі до New Atlas. “Система включає три основні складники: сенсорний вхід, резервуарний шар та одношарову повністю зв’язану нейронну мережу. Сенсорний вхід і резервуарний шар реалізовані через наше апаратне забезпечення (пристрої). Ці сигнали потім обробляються резервуарним шаром, який перетворює їх на унікальні цифрові шаблони. Ці шаблони подаються в одношарову повністю зв’язану нейронну мережу”.
Від лабораторії до майбутнього
На практиці сенсорний модуль виявляє смаки та перетворює їх на електричні сигнали, перш ніж вони досягнуть резервуарного шару. Потім нейронна мережа навчається на комп’ютері розпізнавати ці цифрові шаблони та зберігати визначальні параметри, що фактично надає системі “пам’ять” про різні смаки, які вона може пізніше відтворити.
У своїй демонстрації концепції дослідники протестували чотири репрезентативні смакові речовини: кислу (оцтова кислота), солону (NaCl, тобто кухонна сіль), гірку (MgSO₄, сульфат магнію) та солодку (ацетат свинцю). Сигнали від пристрою, подані в навчену нейронну мережу, досягли близько 98,5% точності в розрізненні смакових речовин, причому точність бінарних тестів коливалася від 75% до 90% залежно від зразка. Навіть такі напої, як кава, Кока-Кола та їхні суміші, могли бути класифіковані з високою ефективністю.
Незважаючи на ці успіхи, автори підкреслюють, що це все ще демонстрація концепції. Нинішня установка є громіздкою, вимагає значних витрат енергії для функціонування, і подальша мініатюризація та інтеграція схем будуть необхідними, перш ніж такі системи стануть практичними за межами лабораторії.
“Ця технологія ідеально поєднує обчислення, натхненні мозком, хімічне виявлення та біологічно натхненні системи”, — пояснює Ян. “З подальшими досягненнями у масштабуванні виробництва, підвищенні енергоефективності, інтеграції багатосенсорних масивів та розробці сумісного нейроморфного апаратного забезпечення, ми очікуємо трансформаційних застосувань у медичних технологіях, робототехніці та моніторингу навколишнього середовища протягом наступного десятиліття”.
Поєднуючи сенсорику та обчислення в одному водному пристрої, система на основі оксиду графену є значним кроком для біоміметичної смакової системи та нейроморфної інженерії, а також натякає на майбутні інструменти, які можуть розширити або навіть реконструювати відчуття смаку. Нове дослідження було опубліковано в престижному науковому журналі Proceedings of the National Academy of Sciences.
