来自埃因霍温和西北大学的研究人员开发了一种新的神经形态生物传感器，能够进行芯片内学习，无需外部训练
来自埃因霍温和西北大学的研究人员开发的新神经形态生物传感器，能够芯片内学习，无需外部训练
神经形态计算受到人脑结构和功能的启发。神经形态芯片是一种利用物理人工神经元进行计算的设备。与传统的数字处理器不同，这些芯片被设计成以生物启发和高能效的方法进行人工智能（AI）和机器学习（ML）活动。然而，需要使用外部训练软件来训练神经形态计算机，这是耗时且低能效的，这可能会影响它们的广泛应用。
为了解决这个问题，来自荷兰埃因霍温科技大学和美国西北大学的研究人员提出了一种能够在芯片上学习的神经形态生物传感器，消除了对外部训练的需求。
他们使用的智能生物传感器是一台神经形态生物传感计算机，其构建方式类似于人脑中神经元的通信方式。
研究人员表示，智能生物传感器可以学会在没有计算机或软件的情况下检测类似囊性纤维化的疾病。此外，他们指出，神经形态计算可能会对医疗保健产生重大影响，特别是用于检测疾病或疾病的现场设备。
研究人员在囊性纤维化（一种可以损伤器官，如肺和消化系统的遗传性疾病）上测试了他们的全新芯片的有效性。囊性纤维化可以通过汗液测试来检测，其中高浓度的氯离子表示该疾病。
研究人员表示，为了便于实施，他们没有使用真实的患者数据。但是，他们使用了健康捐献者的汗液样本。他们使用了一个阴性或健康的捐献者汗液样本，并制备了第二个含有大量氯离子的样本。研究人员表示，他们研究了几个具有不同和已知离子浓度的汗液样本，然后在芯片上测试这些样本。如果测试的芯片结果出错，他们会纠正芯片。
该生物传感器包括三个主要部分-传感器模块、硬件神经网络和输出分类部分。模块化生物传感器是由有机神经形态器件的集成阵列组成，形成硬件神经网络的突触权重和输出分类层。选择性离子电极测量将汗液滴加到传感器模块后汗液中氯离子和其他离子的数量。神经形态芯片处理这些脉冲，分析结果以绿色或红色灯光显示，表示成功或失败的结果。
通过这种芯片上学习的方法，可以实现个性化可植入神经网络，用户可以直接使用自己的数据进行训练。这种方法有潜力对人们产生重大影响。它最终可以训练芯片实时操作假肢和其他设备。与传统方法相比，这些芯片在从事工作和环境适应方面真正独特，无需预编程。
