エイントホーフェンとノースウェスタン大学の研究者が、外部のトレーニングを必要としないオンチップ学習が可能な新しいニューロモーフィックバイオセンサーを開発しました

Researchers from Eindhoven and Northwestern University have developed a new neuromorphic biosensor capable of on-chip learning without the need for external training.

ニューロモーフィックコンピューティングは、人間の脳の構造と機能に触発されています。ニューロモーフィックチップは、物理的な人工ニューロンを使用して計算を行うデバイスです。従来のデジタルプロセッサとは異なり、これらのチップは生物学的にインスパイアされたエネルギー効率の良い方法で人工知能(AI)および機械学習(ML)の活動を行うように設計されています。しかし、ニューロモーフィックコンピュータを外部のトレーニングソフトウェアを使用してトレーニングする必要性により、広範な使用が改善される可能性がありますが、時間がかかりエネルギー効率が低下します。

この問題に取り組むために、オランダのアイントホーフェン工科大学とアメリカのノースウェスタン大学の研究者らは、外部のトレーニングを必要としない、チップ上で学習できるニューロモーフィックバイオセンサーを開発しました。

彼らが使用したスマートバイオセンサーは、人間の脳でのニューロン間のコミュニケーションの仕方に似た構造を持つニューロモーフィックバイオセンシングコンピュータです。

研究者は、スマートバイオセンサーが、コンピュータやソフトウェアを使用せずにシスティック線維症のような疾患を検出することができると述べました。さらに、ニューロモーフィックコンピューティングは、特に病気や状態をチェックするための診療所での使用に大きな影響を与える可能性があると指摘しました。

研究者は、新しいチップの効果をシスティック線維症(肺や消化器系などの臓器に損傷を与える遺伝性の状態)に対してテストしました。システィック線維症は、塩化アニオンの高い量が状態を示すという発汗試験で検出することができます。

研究者は、実装の容易さのために実際の患者データを使用しなかったと述べました。ただし、彼らは健康なドナーからの発汗サンプルを使用しました。彼らは陰性または健康な一つのドナーの発汗サンプルを使用し、塩化アニオンの非常に高い量を含む第二のサンプルを準備しました。研究者は、さまざまな既知のイオン濃度を持つ複数の発汗サンプルを調査し、それらのサンプルをチップ上でテストしました。テストの結果が誤っていた場合、彼らはチップを修正しました。

バイオセンサーは、センサーモジュール、ハードウェアニューラルネットワーク、および出力分類部の3つの主要なパーツから構成されています。モジュール式のバイオセンサーは、ハードウェアニューラルネットワークのシナプスの重みと出力分類層を形成する有機ニューロモーフィックデバイスの統合アレイです。イオン選択電極は、発汗の一滴がセンサーモジュールに適用された後、塩化物および他のイオンの量を測定します。ニューロモーフィックチップはこれらのインパルスを処理し、分析結果は、成功または失敗の結果を示す緑色または赤色の光として表示されます。

このチップ上での学習手法により、エンドユーザーが自分のデータを使用して直接トレーニングできる個別化可能な埋め込み型ニューラルネットワークの可能性が実現されます。このような方法は、人々に大きな影響を与える可能性を秘めています。最終的には、チップを実時間で義肢などのデバイスを操作するようにトレーニングすることができるかもしれません。従来の方法とは異なり、これらのチップは仕事と環境に学習し適応する能力があり、事前プログラミングの必要性を排除しています。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

機械学習

このAIニュースレターは、あなたが必要とするすべてです #57

「AIの世界では、LLMモデルのパフォーマンス評価が注目の話題となりました特に、スタンフォードとバークレーの学生による最近...

人工知能

『協力の力:オープンソースプロジェクトがAIを進化させる方法』

この記事では、オープンソースプロジェクトが革新的なAIソリューションの創造に与える深い影響について探求します

機械学習

「隠れマルコフモデルの力を解読する」

はじめに スマートフォンの音声認識や天気予報の複雑さについて考えたことはありますか?もしそうなら、Hidden Markov Models...

データサイエンス

増強と生産性のための人工知能

「MITシュワルツマンコンピュータ科学大学院は、AIを活用したマネジメントを探求する7つの学際プロジェクトに対してシードグ...

機械学習

このAI論文は、大規模な言語モデルを最適化する秘訣を明らかにします:報酬のバランスと過剰最適化の防止

UC Berkeley、UCL、CMU、Google Deepmindの研究者チームは、複数の単純な報酬モデルから導かれた合成報酬モデルを使用して、...

AI研究

Google Researchがジェネレーティブな無限語彙トランスフォーマー(GIVT)を発表 - AIにおける先駆的な実数値ベクトルシークエンス

トランスフォーマーは最初に導入され、自然言語処理の主要なアーキテクチャとして急速に台頭しました。最近では、コンピュー...