Учени са създали първия изкуствен език, който може да усеща и разпознава аромати изцяло в течна среда - имитирайки работата на човешките вкусови рецептори. Постижението, описано на 15 юли в списание PNAS, може да доведе до автоматизирани системи за безопасност на храните и ранно откриване на заболявания чрез химичен анализ, казват изследователите. Технологията може да бъде интегрирана и в лабораторно оборудване за химичен анализ на течни проби.
Снимка: iStock
Изследователите я разглеждат и като стъпка към "невроморфните компютри" - системи за изкуствен интелект, които имитират процеса на обучение на мозъка. Изкуственият език е направен от мембрани от графенов оксид - ултратънки въглеродни листове, които действат като молекулярни филтри за йонни версии на вкусовете. Вместо да отделят големи частици, тези мембрани забавят движението на йоните, което позволява на устройството да идентифицира и запомни вкусовете, поставени в него, пише "Live Science".
Още: Как се оказва първа помощ при гълтане на език
В новото проучване устройството идентифицира четири основни вкуса - сладък, кисел, солен и горчив - с точност от 72,5% до 87,5% и с точност 96% за напитки с множество вкусови профили като кафе и кока-кола. По-високата точност се дължи на електрическия състав на сложните смеси от напитки, което ги прави по-лесни за идентифициране от системата. Според проучването за първи път изследователите успешно комбинират сензори и обработка на информация в една мокра система.
Снимка: iStock
"Това откритие ни дава план за изграждане на нови йонни устройства, вдъхновени от биотехнологиите", казва по имейл пред "Live Science" Йонг Ян, професор по химия в Националния център за нанонауки и технологии в Китай и съавтор на изследването. "Нашите устройства могат да работят в течност и да усещат околната среда, както и да обработват информация - точно както прави нашата нервна система."
Пробив в обработката на информация в течност
Предишните системи за дегустация обработваха цялата информация на външни компютърни системи, но новата система извършва всички усещания и голяма част от обработката на данни в течност. Този предимно течен подход дава по-голяма точност, тъй като позволява дегустациите да се обработват в естественото им йонно състояние, вместо да се преобразуват в подходящи за обработка сухи системи. Тъй като традиционните електронни компоненти не функционират правилно в течност, изследователите е трябвало да разделят функциите за засичане и обработка. Този пробив преодолява това ограничение, като използва мембрани от графенов оксид, които могат да засичат и да извършват голяма част от обработката на информацията, потопени в течност.
Снимка: iStock
"Липсват ни компоненти, които могат надеждно да извършват сензориране, логическа обработка и невроморфни изчисления в течна среда", казва Ян. "Нашето изследване се опитва да се справи с тези критични проблеми."
Още: Трябва ли да посетите лекар, ако езикът ви е бял?
Изкуственият език работи чрез разтваряне на химически съединения в течност, която след това се разпада на йони. Йоните преминават през слоеве от специализирани въглеродни листове, които създават невероятно малки канали, хиляди пъти по-тънки от човешки косъм.
Това позволява на йоните да създават уникални модели, които сигнализират кой вкус представлява първоначалното химическо съединение. След това системата "научава" този модел и при продължителна употреба става все по-точна в определянето на вкусовете.
Още: "Петият вкус" влияе на апетита: Ето за какво да внимавате
Ключовото нововъведение се състои в начина, по който изследователите забавят движението на йоните през каналите - то е 500 пъти по-бавно от нормалното. Това забавяне дава на системата време да "запомни" всеки срещнат вкус, като спомените продължават около 140 секунди, а не само милисекунди, в зависимост от дебелината на мембраната.
Снимка: iStock
Изследователите сравняват резултатите си с неотдавнашната работа на Андрю Паноне и колегите му, които публикуваха в списание "Nature" през октомври 2024 г. В това изследване са използвани невронни мрежи, работещи на традиционни, твърдотелни компютри, за да се анализират данни от електронни езици, базирани на графен.
Още: Защо като деца не харесваме някои храни, а започваме да ги ядем като големи?
Системата обработва информация в така наречения от учените резервоар, който позволява на системата да научи вкусове. Невронната мрежа или обработващата част на системата идентифицира моделите и ги предава за окончателна обработка.
Снимка: iStock
"Идентифицирахме различни вкусове, като използвахме по-проста система за машинно обучение: част от резервоарно изчисление и част от основна невронна мрежа", обяснява Ян. "Важното е, че нашето физическо устройство всъщност извърши част от изчислителната работа." Това е различно от системите, които разчитат изцяло на външни компютри за обработка. Системата изгражда спомени постепенно, подобно на начина, по който мозъкът ни се учи да различава вкусове. С всяка експозиция системата става все по-добра в разграничаването на подобни вкусове.
Още: Различните вкусове могат и да лекуват
"Тя може надеждно да разграничава сложни вкусове като кафе, кола и дори техните смеси - което съответства на ефективността на сложната невронна мрежа на Панон", казва Йонг.
Медицински и практически приложения
Снимка: iStock
Технологията би могла да позволи ранно откриване на заболявания чрез анализ на вкуса, да помогне за определяне на ефекта от лекарствата и да помогне на хора, които са загубили усещането си за вкус поради неврологично разстройство или инсулт.
Изкуственият език би могъл също така да помогне за подобряване на тестовете за безопасност на храните, за контрол на качеството при производството на напитки и за екологичен мониторинг на водоснабдяването. Той би могъл да направи това, като помогне да се идентифицират специфичните аромати в пробите.
Още: Задължително трябва да почиствате езика си, казва експерт. Ето как и защо
"Тези нововъведения поставят критична основа за приложения, вариращи от медицинска диагностика до автономни машини, способни да "дегустират" заобикалящата ги среда.", каза Йонг.
Снимка: iStock
Въпреки че резултатите са обещаващи, Йонг призна, че остават значителни предизвикателства. "Системата все още е твърде обемиста за практически приложения", казва той пред "Live Science". "Чувствителността на откриване се нуждае от подобрение, а консумацията на енергия е по-висока, отколкото бихме искали."
Още: Имате бели налепи по езика? 7 болести, които ги причиняват
Въпреки това Йонг остава оптимист за сроковете за подобрения. "След като се справим с предизвикателствата за увеличаване на производството, подобряване на енергийната ефективност и интегриране на множество сензори - и разработим съвместим невроморфен хардуер, в рамките на следващото десетилетие можем да видим трансформиращ напредък в здравните технологии, роботиката и мониторинга на околната среда."
Цялото проучване можете да откриете в PNAS.
