Forskare från HSE Laboratory of Space Research, Teknik, System och processer har tillämpat snabbinlärningssystem för artificiell intelligens för luktigenkänning och utvecklat en elektronisk näsanordning som kan känna igen luktmönstren hos ett brett spektrum av kemikalier. Förutom att skilja mellan olika gasblandningar, den elektroniska näsan kommer att kunna fånga och memorera nya dofter. Enligt HSE-forskare, produkten av deras forskning kommer sannolikt att gynna både säkerhetstjänster och medlemmar av allmänheten.

Elektroniska näsanordningar är gasanalysatorer som används för att mäta den kvalitativa och kvantitativa sammansättningen av gasblandningar. HSE-forskarnas innovation är att deras enhet är baserad på fasta gaskänsliga matriser av halvledarsensorer och använder ett snabbt lärande AI-neuralt nätverk. Den föreslagna tekniken är mycket noggrann när det gäller att analysera gasblandningar och efterliknar luktfunktionen hos levande organismer genom att komma ihåg nya lukter och lätt känna igen dem efteråt.

"Det finns massor av gas- och luktsensorer tillgängliga, men de är designade för att känna igen bara en specifik lukt, säger Vladimir Kulagin, professor vid MIEM HSE. "Till exempel, metansensorer kan upptäcka en ökning av denna gas och varna underjordiska gruvarbetare om faran, men om man står inför en gasblandning, denna sensor känner bara igen metanet och ignorerar de andra komponenterna. Detta kan utgöra ett problem, eftersom många gaser är farliga när de blandas med andra gaser. MIEM HSE-forskare arbetar nu med algoritmer, mjukvarulösningar och tekniker för luktigenkänning av neurala nätverk. Vårt huvudmål för tillfället är att öka utbudet av luktmönster som enheten kan känna igen genom att göra det möjligt för den att lära sig nya dofter och överföra denna information till minnet. Väsentligen, vi vill lära enheten att skilja mellan farliga och icke-farliga gasblandningar och snabbt memorera dem. För det här syftet, den behöver känna till egenskaperna hos varje gas."

Så här kommer det att fungera. Om enheten fångar en lukt som den inte känner igen, AI:n kommer att söka i sin databas efter den närmast liknande lukten som bestäms av det minsta Hamming-avståndet till någon känd luktkod. Där det inte finns någon sådan nära sekund, vilket innebär att avstånden mellan koder överstiger Hamming-avståndet i alla neurala nätverk, enheten kommer att identifiera lukten som ny.

I detta fall, det nya luktmönstret kommer att laddas upp till databasen och ett nytt neuralt nätverk tränas för denna lukt. Som ett resultat, både automatisk inlärning av nya lukter och mer exakt igenkänning uppnås. Där en ny lukt matchar två olika mönster i databasen, den vars kod är närmare referenskoden med Hamming-avståndet (baserat på antalet bitsammanfall) är att föredra. En annan fördel är möjligheten att korrigera e-nosfel på grund av åldrande av uppsättningen av gassensorer.

Potentiella tillämpningar av enheten är utbredda och inkluderar miljöövervakning, upptäcka terroristhot mot människor och anläggningar, tidig varning för tekniska katastrofer, instrument ombord på flygplan eller rymdfarkoster, teknologi för att övervaka råvarans kvalitet, och luktkontroll för industriella processer.