Previsão do nível de glicose no sangue de alta precisão alcançada pela computação de reservatórios de poucas moléculas
A implantação de computação de reservatório de poucas moléculas aproveitando o espalhamento Raman aprimorado pela superfície para prever os níveis de glicose no sangue. Crédito:Instituto Nacional Takashi Tsuchiya de Ciência de Materiais Uma equipe de pesquisa colaborativa do NIMS e da Universidade de Ciências de Tóquio desenvolveu com sucesso um dispositivo de inteligência artificial (IA) que executa processamento de informações semelhante ao do cérebro por meio de computação em reservatórios de poucas moléculas. Esta inovação utiliza as vibrações moleculares de um número selecionado de moléculas orgânicas.
Ao aplicar este dispositivo para a previsão do nível de glicose no sangue em pacientes com diabetes, ele superou significativamente os dispositivos de IA existentes em termos de precisão de previsão.
O trabalho está publicado na revista Science Advances .
Com a expansão das aplicações de aprendizado de máquina em vários setores, há uma demanda crescente por dispositivos de IA que não sejam apenas altamente computacionais, mas também apresentem baixo consumo de energia e miniaturização.
A pesquisa mudou para a computação de reservatórios físicos, aproveitando fenômenos físicos apresentados por materiais e dispositivos para processamento de informações neurais. Um desafio que permanece é o tamanho relativamente grande dos materiais e dispositivos existentes.
A pesquisa da equipe foi pioneira na primeira implementação mundial de computação de reservatórios físicos que opera com base no princípio do espalhamento Raman aprimorado pela superfície, aproveitando as vibrações moleculares de apenas algumas moléculas orgânicas. A informação é inserida através do controle de íons, que modula a adsorção de íons de hidrogênio em moléculas orgânicas (ácido p-mercaptobenzóico, pMBA) através da aplicação de voltagem.
As mudanças nas vibrações moleculares das moléculas pMBA, que variam com a adsorção de íons hidrogênio, servem a função de memória e transformação não linear da forma de onda para cálculo.
Este processo, usando um conjunto esparso de moléculas pMBA, aprendeu aproximadamente 20 horas sobre as alterações no nível de glicose no sangue de um paciente diabético e conseguiu prever flutuações subsequentes durante os próximos cinco minutos com uma redução de erro de cerca de 50% em comparação com a maior precisão alcançada por dispositivos semelhantes até o momento.
Este estudo indica que uma quantidade mínima de moléculas orgânicas pode efetivamente realizar cálculos comparáveis a um computador. Este avanço tecnológico de conduzir processamento sofisticado de informações com o mínimo de materiais e em espaços minúsculos apresenta benefícios práticos substanciais. Ele abre caminho para a criação de dispositivos terminais de IA de baixo consumo de energia que podem ser integrados a uma variedade de sensores, abrindo caminhos para amplo uso industrial.
