在这项工作中,由Karl Leo教授、Hans Kleemann博士和Matteo Cucchi领导的研究团队展示了一种基于生物兼容AI芯片的健康和疾病生物信号实时分类方法。他们使用聚合物基于结构性类似于人脑的纤维网络,使储层计算的神经形态AI原理。聚合物纤维的随机布置形成所谓的“复发网络”,其允许其处理类似于人脑的数据。这些网络的非线性使得即使是最小的信号变化也能够放大 - 例如,在心跳的情况下,例如 - 医生通常难以评估。然而,使用聚合物网络的非线性变换使得这种可能没有任何问题。
在试验中,人工智能能够区分健康心跳三种常见心律失常,准确率为88%。在这个过程中,聚合物网络消耗的能量比起搏器要少。可植入人工智能系统的潜在应用是多方面的:例如,它们可以用于监测心律失常或术后并发症,并通过智能手机向医生和患者报告,从而实现快速医疗救助。
“近年来,随着所谓的有机混合导体的发展,近年来,将现代电子与生物学结合的愿景,”Matteo Cucchi,Phd学生和本文的第一作者解释说。然而,到目前为止,成功一直限于个人的简单电子元件突触或传感器。到目前为止,还不可能解决复杂的任务。在我们的研究中,我们朝着实现这一愿景迈出了关键的一步。通过利用神经形态计算的能力,比如这里使用的储层计算,我们不仅成功地实时解决了复杂的分类任务,而且我们还可能能够在人体中完成这一任务。这种方法将使未来进一步开发智能系统成为可能,帮助拯救人类生命。”
来源:德累斯顿技术大学