צוות מ-NIMS ואוניברסיטת טוקיו למדע פיתח מכשיר בינה מלאכותית חדשני העולה על מודלים מסורתיים בחיזוי רמות גלוקוז בדם סוכרתי על ידי שימוש במחשוב מאגרי מעט מולקולות ובתנודות מולקולריות, המבשר על אפשרויות חדשות לטכנולוגיות AI קומפקטיות וחסכוניות באנרגיה.
התקדמות בפיתוח התקני בינה מלאכותית קומפקטית תוך שימוש בתנודות מולקולריות ואישור הפונקציונליות שלהם
צוות מחקר שיתופי מ-NIMS ואוניברסיטת טוקיו למדע פיתח בהצלחה מכשיר חדשני של בינה מלאכותית (AI) שמבצע עיבוד מידע דמוי מוח באמצעות מחשוב מאגרי מעט מולקולות. חידוש זה מנצל את הרעידות המולקולריות של מספר נבחר של מולקולות אורגניות. על ידי יישום מכשיר זה עבור חיזוי רמת הגלוקוז בדם בחולים עם סוכרת, הוא עלה משמעותית על התקני AI קיימים במונחים של חיזוי דיוק.
עם הרחבת למידת מכונה יישומים בתעשיות שונות, יש ביקוש הולך וגובר להתקני AI שהם לא רק חישוביים מאוד, אלא גם כוללים צריכת חשמל נמוכה ומיזעור. המחקר עבר למחשוב מאגר פיזי, תוך מינוף תופעות פיזיקליות המוצגות על ידי חומרים ומכשירים לעיבוד מידע עצבי. אתגר אחד שנותר הוא הגודל הגדול יחסית של החומרים והמכשירים הקיימים.
פריצת דרך במחשוב מאגר
המחקר היה חלוץ ביישום הראשון בעולם של מחשוב מאגר פיזי הפועל על העיקרון של פיזור ראמאן משופר על פני השטח, תוך שימוש בתנודות המולקולריות של רק כמה מולקולות אורגניות. המידע מוזן באמצעות ion-gating, המווסת את ספיחה של יוני מימן על מולקולות אורגניות (p-mercaptobenzoic חוּמצָה, pMBA) על ידי הפעלת מתח. השינויים ברעידות מולקולריות של מולקולות pMBA, המשתנות עם ספיחת יוני מימן, משרתים את הפונקציה של זיכרון ושינוי צורות גל לא ליניאריות לחישוב. תהליך זה, באמצעות הרכבה דלילה של מולקולות pMBA, למד כ-20 שעות של שינויים ברמת הגלוקוז בדם של חולה סוכרת והצליח לחזות תנודות עוקבות במהלך 5 הדקות הבאות עם הפחתת שגיאה של כ-50% בהשוואה לדיוק הגבוה ביותר שהושג על ידי מכשירים דומים עד היום.
פריסת מחשוב מאגר מעט מולקולות הרותם פיזור ראמאן משופר על פני השטח לחיזוי רמות הגלוקוז בדם. קרדיט: המכון הלאומי למדעי החומרים Takashi Tsuchiya
התוצאות של מחקר זה מצביעות על כך שכמות מינימלית של מולקולות אורגניות יכולה לבצע ביעילות חישובים הדומים למחשב. פריצת דרך טכנולוגית זו של ביצוע עיבוד מידע מתוחכם עם חומרים מינימליים ובחללים זעירים מציגה יתרונות מעשיים מהותיים. זה סולל את הדרך ליצירת מכשירי מסוף בינה מלאכותית בעלי הספק נמוך שניתן לשלב עם מגוון חיישנים, מה שפותח אפיקים לשימוש תעשייתי רחב.
בראש יוזמת המחקר עמד Daiki Nishioka, המשמש כמתאמן בקבוצת התקנים יוניים ב-NIMS, מרכז המחקר לננו-ארכיטקטוניקה של חומרים (MANA), שהוא גם עמית מחקר של האגודה היפנית לקידום המדע (JSPS) באוניברסיטת טוקיו למדע. , ו-Takashi Tsuchiya, חוקר ראשי, ו-Kazuya Terabe, ראש קבוצה, שניהם חלק מקבוצת Ionic Devices ב-MANA, NIMS. פרויקט זה הוא קטע של "חומרי ננו למכשירים עקרוניים חדשים", בפיקוח Yoshihiro Iwasa, והוא מתמקד ב"יצירת יוניטרוניקה מהירה במיוחד" בחסות JST PRESTO (JPMJPR23H4).
