Высокоточный прогноз уровня глюкозы в крови с помощью резервуарных вычислений на нескольких молекулах

Совместная исследовательская группа из NIMS и Токийского университета науки успешно разработала устройство искусственного интеллекта (ИИ), которое выполняет обработку информации, подобную мозговой, с помощью резервуарных вычислений на нескольких молекулах. В основе инновации лежат молекулярные колебания небольшого количества органических молекул.

Применение этого устройства для прогнозирования уровня глюкозы в крови у пациентов с диабетом позволило значительно превзойти существующие устройства ИИ по точности прогноза.

Работа опубликована в журнале Science Advances.

В связи с расширением применения машинного обучения в различных отраслях растет спрос на устройства ИИ, которые не только обладают высокой вычислительной мощностью, но также отличаются низким энергопотреблением и миниатюрными размерами.

Исследования сместились в сторону физических резервуарных вычислений, использующих физические явления в материалах и устройствах для обработки нейронной информации. Остающейся проблемой является относительно большой размер существующих материалов и устройств.

Команда впервые в мире реализовала физические резервуарные вычисления, работающие на принципе поверхностно-усиленного комбинационного рассеяния (SERS), используя молекулярные колебания всего лишь нескольких органических молекул. Информация вводится с помощью ионного затвора, который модулирует адсорбцию ионов водорода на органических молекулах (p-меркаптобензойной кислоты, pMBA) путем приложения напряжения.

Изменения молекулярных колебаний молекул pMBA, которые варьируются в зависимости от адсорбции ионов водорода, выполняют функцию памяти и нелинейного преобразования формы сигнала для вычислений.

Этот процесс, использующий разреженный слой молекул pMBA, обучился на примерно 20 часах изменений уровня глюкозы в крови пациента с диабетом и смог предсказать последующие колебания в течение следующих пяти минут с уменьшением ошибки примерно на 50% по сравнению с наивысшей точностью, достигнутой аналогичными устройствами на сегодняшний день.

Это исследование показывает, что минимальное количество органических молекул может эффективно выполнять вычисления, сравнимые с компьютерными. Этот технологический прорыв в проведении сложной обработки информации с минимальным количеством материалов и в крошечных пространствах имеет существенные практические преимущества. Он прокладывает путь к созданию энергоэффективных терминальных устройств ИИ, которые могут быть интегрированы с различными датчиками, открывая возможности для широкого промышленного использования.