Новый метод изготовления позволяет создавать крупномасштабные растягивающиеся транзисторные матрицы, которые могут выполнять алгоритмы искусственного интеллекта непосредственно на теле, без передачи данных на внешний компьютер
Новый вычислительный пластырь, разработанный в Притцкеровской школе молекулярной инженерии Чикагского университета (UChicago PME), может беспрецедентным образом анализировать данные о здоровье с помощью искусственного интеллекта. В отличие от современных носимых устройств, он выполняет вычисления с помощью ИИ непосредственно на теле за считанные миллисекунды, без использования беспроводного соединения.
Ученые поставили перед собой задачу создать растягивающуюся нейроморфную вычислительную схему — большой массив транзисторов, который может анализировать данные о здоровье. Более ранние работы показали, что такая схема теоретически возможна при использовании небольшого количества транзисторов, но не были масштабированы до практического применения.
Транзисторы, которые хотела использовать команда, так называемые органические электрохимические транзисторы, работают не так, как транзисторы в стандартном компьютерном чипе. Они обрабатывают информацию, используя как электрический ток, так и движение ионов через гелеобразный слой электролита. Электролиты придают каждому транзистору встроенную память, позволяя им стабильно сохранять числовые значения с течением времени — примерно так же, как синапс в мозге может усиливаться или ослабевать для кодирования усвоенной информации.
Однако производство этих компонентов было сопряжено с трудностями. Гибкий поверхностный слой чувствителен к теплу и растворителям, поэтому его нельзя изготовить с помощью стандартных методов производства микросхем. В то же время слой гелевого электролита склонен к растеканию, как жидкость, и может соединяться с соседними устройствами, вызывая короткие замыкания.
Нам нужно было выяснить, можно ли использовать или изменить свойства этих полимеров, чтобы сделать их совместимыми с фотолитографией — основным методом формирования рисунка, используемым в микроэлектронике», — сказал Сиконх Ван, доцент кафедры молекулярной инженерии в Чикагском университете и соавтор нового исследования, опубликованного в Nature Electronics.
Команда решила эту задачу, разработав новый тип полимерного геля, который можно затвердить, придав ему нужную форму с помощью ультрафиолетового излучения. В результате появился метод производства, позволяющий изготавливать 10 000 органических электрохимических транзисторов на квадратный сантиметр.
Чтобы проверить эффективность новых устройств, команда исследователей использовала один из новых растягивающихся матричных сенсоров для запуска предварительно обученного алгоритма, предназначенного для лечения фибрилляции желудочков. Эта опасная аритмия может привести к летальному исходу, и чаще всего ее лечат с помощью универсального дефибриллятора, который посылает мощный электрический разряд во все сердце. Исследователи предложили более точный метод лечения: отслеживать аномальные электрические импульсы по мере их распространения в сердце и посылать небольшие, точно рассчитанные импульсы непосредственно перед ними, чтобы остановить их распространение.
Однако препятствием было время. Волны распространяются в сердце так быстро, что весь анализ должен быть проведен за миллисекунды — слишком быстро для передачи данных на внешний компьютер и обратно.
«В такой ситуации удаленные вычисления невозможны. Это занимает слишком много времени, — говорит Ван. — Но если у вас есть вычислительное устройство, которое может проводить анализ внутри организма, это возможно».
Используя реальные данные о работе сердца, полученные при вскрытии донорского сердца, команда исследователей показала, что растягивающийся массив может определять положение волнового фронта с точностью 99,6%, даже когда устройство растягивается более чем в полтора раза.
В ходе отдельной демонстрации нейронная сеть, закодированная в массиве, проанализировала совокупность жизненно важных показателей и персональных медицинских данных, включая уровень холестерина, сахара в крови, максимальную частоту сердечных сокращений и показатели ЭКГ, чтобы оценить риск сердечного приступа у пациента. Точность оценки составила 83,5 %.