近日,光子芯片研究院博士生胡芳珍以第一作者身份在《先进材料技术》(Advanced Materials Technologies)上发表题为“一种用于无需训练的气体识别的人工嗅觉化学抗性突触,”(An artificial olfactory chemical-resistant synapse for training-free gas recognition)的研究成果。材料学院研究生曹辰凯为该文章共同第一作者,上海理工大学为第一单位,王丁教授和陈希教授为通讯作者。
在人工智能领域,模拟嗅觉系统一直是一个长期的目标,然而传统的人工嗅觉系统往往受制于数据处理和存储的分离,导致巨大的计算转移负担。目前,人工嗅觉系统通常基于化学传感器阵列设计,通过人工神经网络处理传感器阵列的时间依赖响应来进行识别。然而,传感器产生的反应具有瞬时挥发性,且对时间依赖响应的处理算法尚未涉及,导致了识别精度和速度受到严重影响。为了解决这一问题,研究人员一直在探索新的神经形态计算范式,以便进行基于时间依赖数据的处理。
此次,研究团队展示了一种由3D分层结构的WO3@WO3纳米纤维组成的人工嗅觉化学抗性突触。这些纳米纤维由于水分子的强吸附而表现出持久的电阻响应。该突触实现了包括脉冲促进、长期/短期记忆和学习经验在内的典型突触行为。随后,他们利用递归神经网络处理时间依赖数据,成功识别了3-羟基-2-丁酮、三乙胺和三甲胺等气相化学物质。仅通过WO3@WO3纳米纤维人工嗅觉突触,就实现了无需训练的气体识别,准确率在第一个周期即达到90%以上。
该研究结果不仅为解决当前人工嗅觉系统的局限性提供了新的思路和方法,而且在人工感知系统的严格性能要求方面具有巨大潜力。这项研究标志着在人工智能中实现更高效和可靠的化学识别的重要进展,为从食品安全监测、环境监测等各个领域的广泛应用开辟了新的可能性,为人工智能领域带来新的发展机遇。
图一:文章概念图
图二:人工嗅觉突触实现气体识别
论文链接:
https://doi.org/10.1002/admt.202301814