Från att skapa bilder, generera text och möjliggöra självkörande bilar är den potentiella användningen av artificiell intelligens (AI) omfattande och transformerande. Men all denna förmåga kommer till en mycket hög energikostnad. Till exempel pekar uppskattningar på att träning av OPEN AI:s populära GPT-3-modell förbrukade över 1 287 MWh, tillräckligt för att försörja ett genomsnittligt hushåll i USA i 120 år.
Denna energikostnad utgör en betydande vägspärr, särskilt för att använda AI i storskaliga applikationer som hälsoövervakning, där stora mängder kritisk hälsoinformation skickas till centraliserade datacenter för bearbetning. Detta förbrukar inte bara mycket energi utan väcker också oro för hållbarhet, överbelastning av bandbredd och kommunikationsförseningar.
För att uppnå AI-baserad hälsoövervakning och biologisk diagnos krävs en fristående sensor som fungerar oberoende utan behov av konstant anslutning till en central server.
Samtidigt måste sensorn ha en låg strömförbrukning för långvarig användning, ska kunna hantera de snabbt föränderliga biologiska signalerna för realtidsövervakning, vara flexibel nog att fästa bekvämt på människokroppen och vara lätt att tillverka och kassera på grund av behov av täta byten av hygienskäl.
Med tanke på dessa kriterier har forskare från Tokyo University of Science (TUS) under ledning av docent Takashi Ikuno utvecklat en flexibel pappersbaserad sensor som fungerar som den mänskliga hjärnan. Deras resultat publicerades i Advanced Electronic Materials .
"En pappersbaserad optoelektronisk synaptisk enhet som består av nanocellulosa och ZnO utvecklades för att realisera fysisk reservoarberäkning. Denna enhet uppvisar synaptiskt beteende och kognitiva uppgifter vid en lämplig tidsskala för hälsoövervakning", säger Dr. Ikuno.
I den mänskliga hjärnan färdas information mellan nätverk av neuroner genom synapser. Varje neuron kan bearbeta information på egen hand, vilket gör att hjärnan kan hantera flera uppgifter samtidigt. Denna förmåga till parallell bearbetning gör hjärnan mycket effektivare jämfört med traditionella datorsystem.
För att efterlikna denna förmåga tillverkade forskarna en fotoelektronisk artificiell synapsanordning bestående av guldelektroder ovanpå en 10 µm transparent film bestående av zinkoxid (ZnO) nanopartiklar och cellulosa nanofibrer (CNF).
Den genomskinliga filmen tjänar tre huvudsakliga syften. För det första tillåter det ljus att passera igenom, vilket gör att det kan hantera optiska insignaler som representerar olika biologisk information. För det andra ger cellulosananofibrerna flexibilitet och kan lätt kasseras genom förbränning.
För det tredje är ZnO-nanopartiklarna fotokänsliga och genererar en fotoström när de utsätts för pulserat UV-ljus och en konstant spänning. Denna fotoström efterliknar de svar som överförs av synapsis i den mänskliga hjärnan, vilket gör att enheten kan tolka och bearbeta biologisk information som tas emot från optiska sensorer.
Noterbart kunde filmen särskilja 4-bitars optiska ingångspulser och generera distinkta strömmar som svar på optisk ingång i tidsserier, med en snabb svarstid i storleksordningen undersekunder. Denna snabba reaktion är avgörande för att upptäcka plötsliga förändringar eller avvikelser i hälsorelaterade signaler.
Vidare, när den exponerades för två på varandra följande ljuspulser, var den elektriska strömresponsen starkare för den andra pulsen. Detta beteende, kallat post-potentieringsfacilitering, bidrar till korttidsminnesprocesser i hjärnan och förbättrar synapsernas förmåga att upptäcka och svara på välbekanta mönster.
För att testa detta konverterade forskarna MNIST-bilder, en datauppsättning av handskrivna siffror, till 4-bitars optiska pulser. De bestrålade sedan filmen med dessa pulser och mätte strömsvaret. Genom att använda dessa data som indata kunde ett neuralt nätverk känna igen handskrivna siffror med en noggrannhet på 88 %.
Anmärkningsvärt nog förblev denna funktion för handskrivna siffror opåverkad även när enheten upprepade gånger böjdes och sträcktes upp till 1 000 gånger, vilket visar dess robusthet och genomförbarhet för upprepad användning. "Denna studie belyser potentialen av att bädda in halvledarnanopartiklar i flexibla CNF-filmer för användning som flexibla synaptiska enheter för Kina", avslutar Dr. Ikuno.
Mer information: Hiroaki Komatsu et al, Disposable and Flexible Paper-Based Optolectronic Synaptic Devices for Physical Reservoir Computing, Avancerat elektroniskt material (2024). DOI:10.1002/aelm.202300749
Tillhandahålls av Tokyo University of Science
