توسعه دستگاه چشایی ماشینی توسط IBM برای تشخیص مواد شیمیایی

با وجود پیشرفت های زیاد در دید ماشینی، چشایی ماشینی حوزه ای است که توجه زیادی به سمتش جلب نمی شود. اما یک کانسپت جدید از تحقیقات IBM می تواند یک پالت چشایی دیجیتال در اختیار محققان بگذارد.

این دستگاه آنالیز شیمیایی دقیق مایعات را بدون نیاز به تجهیزات پیچیده آزمایشگاهی ممکن می کند

این دستگاه که Hypertaste نام دارد، امکانات لازم برای آنالیز شیمیایی دقیق مایعات را بدون نیاز به تجهیزات پیچیده آزمایشگاهی در اختیار آن ها می گذارد. سنسورهای الکتروشیمیایی یا سبک و قابل حمل هستند و تنها برای شناخت یک ماده شیمیایی کاربرد دارند، یا دستگاه هایی ثابت، گران و سنگین اند که قادر به تشخیص انواع مختلفی از مواد هستند. اما سیستم چشایی ماشینی Hypertaste شرکت IBM شکاف این بین را پر می کند.

اولین سنسورهای الکتروشیمیایی در دهه 1950 میلادی ساخته شده بودند و برای تشخیص گازها، خصوصا سطوح اکسیژن استفاده می شدند. از سال 1980 و ظهور چیپ های سیلیکونی، سایز این دستگاه ها کاهش یافت و برای تشخیص مواد در مایعات نیز بهینه شدند. دستگاه های سنجش میزان قند خون یکی از این نمونه ها هستند.

چشایی ماشینی

با اینکه بسیاری از این دستگاه ها تنها برای تشخیص یک ماده شیمیایی استفاده می شوند، سیستم چشایی ماشینی Hypertaste مانند سیستم چشایی انسان حس های مختلفی را برای تشخیص موارد ترکیب می کند. با اتکا به این روش Hypertaste قادر به تشخیص انواع مختلفی از مایعات بدون استفاده از سخت افزار مخصوص هر کدام است.

برای این منظور، سنسورهای الکتروشیمیایی Hypertaste از جفت الکترودها استفاده می کنند. با عبور برق از میان الکترودها، هر جفت به ترکیبی مشخص از مولکول ها واکنش می دهد. مجموع ولتاژ تولید شده توسط ساختار الکترودها به عنوان اثر انگشت آن مایع شناخته می شود.

دکتر «پاتریک راچ»، یکی از اعضای بخش علم و تکنولوژی تحقیقات IBM می گوید: «از آن جایی که هر سنسور به تعداد زیادی از مولکول ها واکنش نشان می دهد، به تنهایی زیاد ارزشمند نیست و مجموعه ای از آن ها را لازم داریم. مجموع واکنش تمام سنسورها نشانگر اثرانگشت خاص مایع مورد آزمایش است.»

اثرانگشت هر مایع به وسیله آرایه ای از سنسورها مشخص می شود

سپس اثرانگشت مایع از سنسور به موبایل منتقل می شود، که خود اطلاعات را به سرور ابری می فرستد تا یک شبکه نورونی آن را با داده های موجود از مایعات شناخته شده مقایسه کند. سپس شبیه ترین نمونه در برنامه موبایل نمایش داده می شود. نمونه کنونی چشایی ماشینی IBM قادر است ظرف یک دقیقه جواب آزمایش را با دقتی بیش از 90 درصد روی برنامه موبایل نمایش دهد. نکته مهم تر این است که تمرین دادن سنسور برای شناخت چهار مدل مختلف آب معدنی از یکدیگر تنها نصف روز طول کشید. آن ها برای این کار هر مدل را چندبار تست کردند و اطلاعات به دست آمده را در اختیار یک سیستم یادگیری ماشینی گذاشتند تا مشخصات هرکدام را کشف کند.

چشایی ماشینی

یکی از خاصیت های مهم چنین سیستمی این است که بعد از مواجهه یک مایع جدید، هر سنسوری می تواند با تغییر پارامترهای یادگیری ماشینی برای شناخت آن استفاده شود. در سنسورهای الکتروشیمیایی دیگر برای این کار لازم است قطعات عوض شوند، اما در Hypertaste تمام کاری که باید انجام شود یک بروزرسانی نرم افزاری است.

سنسورهای Hypertaste می توانند با یکدیگر همکاری کنند

علاوه بر این سنسورهای Hypertaste می توانند با یکدیگر همکاری کنند و اگر با مایع جدیدی روبرو شدند اطلاعات آن را با یکدیگر به اشتراک بگذارند. این کار یا قابلیت های دیگر که بر مبنای سیستم های ابری فعالیت می کنند به اتصال اینترنت نیاز دارند، اما آنالیز مواد از طریق اپ موبایل نیز قابل انجام است. این یعنی محل تحقیق هرچقدر هم دور افتاده باشد محققان قادر به استفاده از این سیستم چشایی ماشینی خواهند بود.

کاربردهای زیادی برای سنسورهای الکتروشیمیایی وجود دارد. برای مثال از چشایی ماشینی می توان در صنعت دارویی استفاده کرد و داروهای ناسازگار را تشخیص داد. از موارد استفاده دیگر آن ها می توان به اطمینان از سالم بودن آب و غذا یا حتی آزمایش ادرار اشاره کرد. متاسفانه IBM هنوز تاریخ دقیقی برای عرضه رسمی این تکنولوژی مشخص نکرده است.

منبع:
Engadget
برچسب ها
تور کیش

مطالب مرتبط

نتایج چشمگیر هوش مصنوعی Google Brain در خلاصه سازی متن

تیم گوگل برین (Google Brain) و امپریال کالج لندن (Imperial College London) سیستمی با نام اختصاری «پگاسوس» (Pegasus) توسعه داده اند که با بهره گیری از معماری Transformers گوگل، متن ها را به روش انتزاعی خلاصه سازی می کند.توسعه دهندگان پگاسوس می گویند این سیستم نتایج چشمگیری در خلاصه سازی موضوعات مختلف از جمله اخبار،... ادامه مطلب

باتری تازه IBM؛ بی نیاز از فلزات سنگین کمیاب

تلاش برای حذف سوخت های فسیلی و استفاده از باتری برای تامین انرژی وسایط حمل و نقل عمومی مرتبا بیشتر می شود و این روزها از خودروهای سواری گرفته تا کامیون ها و حتی هواپیماها در قالب نسخه های الکتریکی ساخته می شوند. به همین خاطر نیز در سال های اخیر تقاضا برای باتری مورد... ادامه مطلب

محققان گوگل بو کردن را به هوش مصنوعی یاد دادند

محققان تیم Google Brain مقاله ای نوشته و منتشر کرده اند و در آن چگونگی آموزش تشخیص بوها به هوش مصنوعی را شرح داده اند.پژوهشگران گوگل یک بانک اطلاعاتی از تقریباً 5 هزار مولکول شناخته شده توسط عطرسازان را ایجاد کرده و آنها را با توضیحاتی مثل «کره ای»، «استوایی» و «علفی» برچسب گذاری کرده... ادامه مطلب

سیستم تبدیل متن به گفتار IBM در ۵ دقیقه صدای مصنوعی با کیفیت تولید می‌کند

آموزش مدل‌های پرقدرت تبدیل متن به گفتار نیازمند سخت‌افزار قدرتمند هستند. بر اساس گزارش‌هایی که منتشر شده است، قدرت مورد نیاز برای پردازش این متون، نسبت به سال ۲۰۱۲ حدود ۳۰۰ هزار برابر بیشتر شده است. شرکت IBM ‌در همین راستا توانسته سیستم ماژولار سبکی را توسعه دهد که تنها در ۵ دقیقه می‌توانند صدای مصنوعی... ادامه مطلب

۱۵ باور نادرست که احتمالا در مدرسه یاد گرفته اید

علم و دانش در هر برهه از زمانی، حرف‌های زیادی برای گفتن دارد اما نشردهندگان دانش شاید به اشتباه و سهوی مفهومی را به شما انتقال بدهند. چرا که بخشی از دانش، به علوم تجربی اختصاص دارد و فرد مجبور است در این سناریو با استناد بر حواس پنج‌گانه خود، به خصوص قابلیت مشاهده، دانشی... ادامه مطلب

مشاغلی که در دهه آینده قربانی اتوماسیون خواهند شد؛ چگونه از این موج در امان بمانیم؟

ماشین ها از دوران انقلاب صنعتی شروع به اشغال جای انسان ها کرده اند اما هوش مصنوعی این تهدید را به سطح جدیدی رسانده و حتی افراد دارای مهارت های تخصصی هم در خطر بیکار شدن قرار گرفته اند. آیا شما هم جزو افرادی هستید که در دهه آینده کارتان را به خاطر ماشین‌ها از... ادامه مطلب

ویجیاتو

نظرات ۰

وارد شوید

برای گفتگو با کاربران، وارد حساب کاربری خود شوید.

ورود
x

رمزتان را گم کرده‌اید؟