Technologia, która jeszcze niedawno wydawała się odległą przyszłością, powoli wkracza w sferę rzeczywistości. Zespół z pekińskiego Narodowego Centrum Nanotechnologii i Technologii stworzył niezwykły “sztuczny język” zdolny nie tylko do wykrywania substancji chemicznych, ale także do samodzielnego uczenia się ich charakterystyki. To pierwsze takie rozwiązanie działające efektywnie w środowisku płynnym – opisano je szczegółowo w PNAS.
Roboty ze zmysłem smaku nadchodzą
Nowa technologia opiera się na warstwowych membranach z tlenku grafenu, oznaczonych skrótem GO-ISMD. W przeciwieństwie do konwencjonalnych czujników elektronicznych, ten system funkcjonuje w cieczy, gdzie to jony – nie elektrony – przenoszą sygnał. Ta fundamentalna różnica przez lata stanowiła poważną barierę dla rozwoju podobnych rozwiązań.
Czytaj też: Znamy pięć smaków, a teraz odkryto szósty. Poczujesz go dzięki popularnym cukierkom
Yon Yang, współautor badania, mówi:
Zainspirowani biologicznym systemem smaku, opracowaliśmy inteligentny system wykorzystujący nasze urządzenia do “rozpoznawania” chemikaliów na podstawie ich smaków.
Urządzenie imituje działanie biologicznych kubków smakowych i neuronów. Wewnątrz nanokanałów jony ulegają adsorpcji i desorpcji na granicy faz, co spowalnia ich ruch i tworzy pamięciową odpowiedź elektryczną. Ta ulotna pamięć krótkotrwała pozwala temu samemu komponentowi zarówno wykrywać chemikalia, jak i wykonywać obliczenia bezpośrednio w sensorze. Grubość membrany wpływa na czas trwania tej pamięci – w niektórych przypadkach może sięgać nawet 140 sekund. To znacznie dłużej niż można by oczekiwać po prostym ruchu jonów w materialnej strukturze.
Technologia wykorzystuje obliczenia rezerwuarowe połączone z jednowarstwową siecią neuronową. Cały proces składa się z trzech kluczowych elementów obejmujących wejście sensoryczne, warstwę rezerwuarową i sieć neuronową.
Moduł sensoryczny wykrywa smaki i przekształca je w sygnały elektryczne, które następnie trafiają do warstwy rezerwuarowej przekształcającej je w unikalne wzorce cyfrowe. Te wzorce są analizowane przez sieć neuronową wytrenowaną na komputerze do rozpoznawania różnych profili smakowych. System skutecznie zapamiętuje różne smaki, które może później identyfikować. Właśnie ta zdolność do uczenia się czyni technologię tak przełomową w porównaniu z tradycyjnymi czujnikami chemicznymi.
W ramach demonstracji koncepcji badacze przetestowali cztery podstawowe smaki: kwaśny (kwas octowy), słony (chlorek sodu), gorzki (siarczan magnezu) i słodki (octan ołowiu). Wyniki okazały się imponujące – system osiągnął około 98,5 proc. dokładności w rozróżnianiu poszczególnych substancji smakowych.
Testy binarne, porównujące dwie różne substancje, wykazały dokładność w zakresie od 75 proc. do 90 proc. w zależności od próbki. Co ciekawe, system radził sobie również ze złożonymi mieszankami. Napoje takie jak kawa, Coca-Cola i ich kombinacje mogły być klasyfikowane z wysoką wydajnością. Te rezultaty potwierdzają, że smak może zostać skutecznie uchwycony w formie cyfrowej, a to otwiera drzwi do zupełnie nowych zastosowań technologicznych.
Mimo obiecujących wyników, technologia wciąż ma swoje ograniczenia. Obecna konfiguracja jest nieporęczna i wymaga znacznych ilości energii do funkcjonowania. Naukowcy przyznają, że konieczna będzie dalsza miniaturyzacja i integracja obwodów zanim takie systemy staną się praktyczne poza środowiskiem laboratoryjnym.
Techniczne przeszkody nie zniechęcają jednak zespołu badawczego. Przewidują oni, że dzięki postępom w skalowaniu produkcji, zwiększaniu efektywności energetycznej i rozwoju kompatybilnego sprzętu neuromorficznego, praktyczne zastosowania tej technologii będą możliwe już w ciągu najbliższej dekady.
Potencjalne zastosowania tej technologii wykraczają daleko poza zwykłe rozpoznawanie smaków. Naukowcy dostrzegają możliwości wykorzystania systemu w opiece zdrowotnej, robotyce i monitoringu środowiska. Szczególnie obiecujące wydaje się zastosowanie do wykrywania trucizn czy innych substancji niebezpiecznych. Technologia może znaleźć zastosowanie w przemyśle spożywczym do kontroli jakości produktów, w medycynie do diagnostyki na podstawie analizy płynów ustrojowych, czy w robotyce do tworzenia bardziej zaawansowanych systemów percepcji.