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

「Amazon SageMaker Canvasで構築されたMLモデルをAmazon SageMakerリアルタイムエンドポイントに展開します」

『Amazon SageMaker Canvasは、機械学習(ML)モデルをリアルタイム推論エンドポイントにデプロイできるようになりましたこれ...

機械学習

「AIは本当に私たちの感情を理解できるのか? このAIの論文では、ビジョン・トランスフォーマーモデルを用いた高度な顔の感情認識について探求されています」

以下のHTMLコードを日本語に翻訳してください: FERはヒューマンコンピュータインタラクション、感情分析、感情計算、仮想現実...

データサイエンス

「分析的に成熟した組織(AMO)の構築」

組織の分析の成熟度を理解することは、データ関連のプロとして強力な競争力を持つことができますそれにより、「非分析的」な...

データサイエンス

ラベルなしでオーディオビジュアル学習をスケーリングする

新しいマルチモーダル技術は、主要な自己教師あり学習手法をブレンドして、人間に似た学習を行います

機械学習

2024年のインフラストラクチャー予測

企業はAIの導入の転換点を見ているランサムウェアの脅威が罰則と衝突し、ハイブリッドクラウドアーキテクチャが主流となり、...

機械学習

「スロープ・トランスフォーマーに出会ってください:銀行の言語を理解するために特別に訓練された大規模な言語モデル(LLM)」

支払いにおいて、トランザクションの理解は事業のリスク評価において重要です。しかし、乱雑な銀行の取引データの解読は課題...