Макар машините вече да са усвоили зрението и слуха, вкусът се оказва по-труден за дигитализиране. Видяхме създаването на високоспециализирани изкуствени езици, насочени към сладостта, шоколада, бирата, виното или уискито, но сега изследователи в Пекин са разработили по-универсален „език“ от графенов оксид, който не само открива химикали, но и ги запомня. По време на лабораторни тестове системата идентифицира кисело, солено, горчиво и сладко с почти 99% точност, демонстрирайки, че вкусът може да бъде уловен в цифрова форма.

Изследователи от Националния център за нанонаука и технологии в Пекин, заедно с колеги от цял Китай, са създали невроморфно устройство, което имитира едно от най-личните ни сетива: вкуса. Тяхната „изкуствена вкусова система“ използва многослойни мембрани от графенов оксид, които не само усещат химикали в разтвор, но и обработват сигналите директно, като отразяват начина, по който биологичните вкусови рецептори и неврони работят заедно.

За разлика от повечето изкуствени сетива, създадени от твърдотелни електронни устройства, вкусът трябва да функционира в течност, където йони, а не електрони, могат да пренасят сигнала. Екипът се справи с това предизвикателство с помощта на йонно-сензорно мемристивно устройство от графенов оксид (GO-ISMD).

Вътре в наноограничените канали на устройството йоните претърпяват междуфазова адсорбция и десорбция, които забавят движението им и създават паметна, хистерезисна електрическа реакция. Тази нестабилна краткосрочна памет позволява на един и същ компонент да открива химикали и да извършва изчисления в сензора във влажна, физиологична среда, което е първото по рода си постижение.

Когато се тества с импулси на напрежение, устройството се държи подобно на синапс: може да усилва или отслабва реакцията си, да показва ефекти на паметта и дори да запомня два сигнала, които пристигат един след друг. Колкото по-дебела е мембраната, толкова по-дълго трае тази памет; в някои случаи до около 140 секунди, което е далеч над това, което би се очаквало от простото движение на йоните. За да превърне тази динамика в възприятие, групата използва резервоарно изчисление.

На практика сензорният модул открива ароматите и ги преобразува в електрически сигнали, преди те да достигнат резервоарния слой. След това невронната мрежа се обучава на компютър да разпознава тези цифрови модели и да запазва ключовите параметри, като по този начин ефективно дава на системата „памет“ за различни аромати, които по-късно може да възпроизведе.

В своето доказателство за концепцията зад технологията изследователите тестваха четири представителни вкусови вещества: кисело (оцетна киселина), солено (NaCl), горчиво (MgSO₄) и сладко (оловен ацетат). Сигналите от устройството, подадени в обучената невронна мрежа, постигнаха около 98,5% точност при разграничаването на вкусовите вещества, като точността на бинарните тестове варираше от 75% до 90% в зависимост от пробата. Дори напитки като кафе, кола и техните смеси могат да бъдат класифицирани с висока точност.

Въпреки тези успехи, авторите подчертават, че все още става дума за демонстрация на концепцията. Настоящата конфигурация е обемиста и изисква големи количества енергия, за да функционира, и ще са необходими по-нататъшна миниатюризация и интеграция на вериги, преди такива системи да станат практични извън лабораторията.

Чрез комбинирането на сензори и изчислителни функции в едно водно устройство, системата с графенов оксид бележи значителна крачка напред в областта на биомиметичната вкусова сензорика и невроморфното инженерство, както и дава представа за бъдещи инструменти, които могат да разширят или дори да възстановят вкусовото усещане.

Снимка: Unsplash

Виж още: Подобна на извънземно риба с прозрачна глава и зелени очи дебне в тъмните дълбини на океана (ВИДЕО)