Ett samarbetande forskarlag från NIMS och Tokyo University of Science har framgångsrikt utvecklat en artificiell intelligens (AI) enhet som utför hjärnliknande informationsbehandling genom reservoarberäkning med få molekyler. Denna innovation utnyttjar molekylära vibrationer från ett utvalt antal organiska molekyler.
Genom att använda den här enheten för att förutsäga blodsockernivån hos patienter med diabetes har den avsevärt överträffat befintliga AI-enheter när det gäller prediktionsnoggrannhet.
Verket publiceras i tidskriften Science Advances .
Med expansionen av maskininlärningsapplikationer i olika branscher finns det en eskalerande efterfrågan på AI-enheter som inte bara är mycket beräkningsbara utan också har låg strömförbrukning och miniatyrisering.
Forskningen har skiftat mot fysisk reservoarberäkning och utnyttjar fysiska fenomen som presenteras av material och anordningar för neural informationsbehandling. En utmaning som återstår är den relativt stora storleken på befintliga material och enheter.
Teamets forskning har banat väg för världens första implementering av fysisk reservoarberäkning som fungerar på principen om ytförstärkt Raman-spridning, som utnyttjar de molekylära vibrationerna från bara ett fåtal organiska molekyler. Informationen matas in genom jonstyrning, som modulerar adsorptionen av vätejoner på organiska molekyler (p-merkaptobensoesyra, pMBA) genom att applicera spänning.
Förändringarna i molekylära vibrationer hos pMBA-molekylerna, som varierar med vätejonadsorption, tjänar funktionen av minne och ickelinjär vågformstransformation för beräkning.
Denna process, med användning av en gles sammansättning av pMBA-molekyler, har lärt sig cirka 20 timmar av en diabetespatients blodsockernivåförändringar och lyckats förutsäga efterföljande fluktuationer under de kommande fem minuterna med en felminskning på cirka 50 % jämfört med den högsta noggrannheten som uppnåtts av liknande enheter hittills.
Denna studie indikerar att en minimal mängd organiska molekyler effektivt kan utföra beräkningar jämförbara med en dator. Detta tekniska genombrott med att utföra sofistikerad informationsbehandling med minimala material och i små utrymmen ger betydande praktiska fördelar. Det banar väg för skapandet av AI-terminalenheter med låg effekt som kan integreras med en mängd olika sensorer, vilket öppnar vägar för bred industriell användning.
Mer information: Daiki Nishioka et al, Beräkning av få- och enmolekylreservoarer demonstrerad experimentellt med ytförbättrad Raman-spridning och jonstyrning, Science Advances (2024). DOI:10.1126/sciadv.adk6438
Journalinformation: Vetenskapens framsteg
Tillhandahålls av National Institute for Materials Science
