这这构成了重大障碍，特别是在健康监测等大规模应用中使用人工智能时，大量关键健康信息被发送到集中进行加工。 这不仅消耗大量能源，而且还引发了对可持续性、带宽过载和通信延迟的担忧。
实现基于人工智能的健康监测和生物诊断需要一个独立的传感器，该传感器可以独立运行，而无需持续连接到中央服务器。
同时，传感器必须具有供长时间使用，应能够处理快速变化的生物信号监测，足够灵活，可以舒适地附着在人体上，并且由于出于卫生原因需要经常更换，因此易于制造和处理。
考虑到这些标准，东京理科大学 (TUS) 的研究人员在副教授 Takashi Ikuno 的带领下开发了一种柔性纸基传感器，其工作原理与。 他们的研究结果发表在先进电子材料。
Ikuno 博士说：“开发了一种由纳米纤维素和 ZnO 组成的纸基光电突触装置，用于实现物理储库计算。该装置在适合健康监测的时间尺度上表现出突触行为和认知任务。”
在人脑中，信息通过突触在神经元网络之间传递。每个神经元都可以自行处理信息，使大脑能够同时处理多项任务。这种并行处理能力使大脑比传统计算系统效率更高。
为了模拟这种能力，研究人员制作了一个光电人工突触装置，该装置由金电极组成，位于由氧化锌 (ZnO) 纳米颗粒和纤维素纳米纤维 (CNF) 组成的 10 µm 透明薄膜之上。
这种透明薄膜主要有三个用途。首先，它允许光线穿过，使其能够处理代表各种生物信息的光输入信号。其次，纤维素纳米纤维具有柔韧性，可以通过焚烧轻松处理。
第三，ZnO 纳米粒子具有光响应性，在脉冲紫外线和恒定电压下会产生光电流。这种光电流模拟了人类大脑中突触传递的反应，使该设备能够解释和处理从光学传感器接收到的生物信息。
值得注意的是，该薄膜能够区分 4 位输入光脉冲，并响应时间序列光输入生成不同的电流，响应时间约为亚秒级。 这种快速响应对于检测健康相关信号的突然变化或异常至关重要。
此外，当暴露于两个连续的光脉冲时，第二个脉冲的电流响应更强。这种行为被称为后增强促进，有助于大脑中的短期记忆过程，并增强突触检测和响应熟悉模式的能力。
为了测试这一点，研究人员将 MNIST 图像（手写数字数据集）转换为 4 位光脉冲。 然后他们用这些脉冲照射薄膜并测量电流响应。 使用此数据作为输入，能够识别手写数字，准确率为 88%。
值得注意的是，即使该设备被反复弯曲和拉伸 1000 次，这种手写数字识别能力仍然不受影响，证明了其坚固性和重复使用的可行性。 Ikuno 博士总结道：“这项研究凸显了将半导体纳米颗粒嵌入柔性 CNF 薄膜中作为 PRC 柔性突触装置的潜力。”
引文：灵活的 AI 光电传感器为独立节能健康监测设备铺平了道路（2024 年，3 月 11 日），2024 年 5 月 23 日检索自 https://webbedxp.com/zh-CN/science/jamaal/news/2024-03-flexible-ai-optoelectric -sensors-pave.html
本文件受版权保护。 除出于私人学习或研究目的的公平交易外，未经书面许可不得复制任何部分。 内容仅供参考。
