ابداع حسگر‌های پوشیدنی کشسان با قابلیت محاسبات لبه
به گزارش خبرگزاری آنا به نقل ازتک اکسپلور، «ترانزیستور‌های الکتروشیمیایی آلی» (OECTs) ترانزیستور‌های نورومورفیک ساخته شده از مواد برپایه کربن هستند که حامل‌های بار الکترونیکی و یونی را با هم ترکیب می‌کنند. این ترانزیستور‌ها می‌توانند راه حل‌های موثری برای تقویت و تعویض سیگنال‌های الکترونیکی در دستگاه‌هایی باشند که برای قرار دادن روی پوست انسان طراحی شده اند، مانند ساعت‌های هوشمند، ردیاب‌هایی که سیگنال‌های فیزیولوژیکی را نظارت می‌کنند و سایر فناوری‌های پوشیدنی.
برخلاف ترانزیستور‌های نورومورفیک معمولی، OECTها می‌توانند به طور قابل اعتمادی در محیط‌های مرطوب یا خیس کار کنند، که برای دستگاه‌های پزشکی و پوشیدنی بسیار سودمند است. با وجود این قابلیت ها، بیشتر OECTهای موجود بر اساس مواد سفت ساخته شده اند که می‌تواند راحتی پوشیدنی‌ها را کاهش داده و در نتیجه نتوان از آنها در مقیاس بزرگ استفاده کرد.
محققان دانشگاه هنگ کنگ یک دستگاه پوشیدنی جدید بر اساس OECTهای قابل کشش ساخته اند که می‌تواند هم محاسبات را انجام دهد و هم سیگنال‌های محیط اطراف را جمع آوری کند.
این سیستم می‌تواند برای تحقق محاسبات لبه حسگر بر روی یک دستگاه پوشیدنی انعطاف پذیر که برای کاربران راحت است، استفاده شود.
«شیمینگ ژانگ» «Shiming Zhang» یکی از مجریان این طرح گفت: ظهور هوش مصنوعی و یادگیری ماشینی تحول آفرین بوده و در زمینه‌های مختلف ورود کرده است.
وی افزود: «با این حال، استفاده از هوش مصنوعی در ابزار‌های پوشیدنی، که برای فعال کردن سلامت دیجیتال بسیار مهم است، تازه شروع شده است. هدف ما این است که قابلیت‌های یادگیری ماشینی را در پوشیدنی‌ها تعبیه کنیم تا محاسبات نورومورفیک درون حسگر یا قابلیت‌های محاسبات لبه‌ای را فعال کنیم. با این کار تصمیم گیری بلادرنگ و مبتنی بر لبه را که برای اقدامات تشخیصی درمانی حلقه بسته، حیاتی و مربوط به پزشکی مبتنی بر هوش مصنوعی است، فراهم می‌شود.
ژانگ و همکارانش به عنوان بخشی از مطالعه خود، اقدام به ساخت یک دستگاه پوشیدنی مجهز به هوش مصنوعی بر اساس آرایه‌های OECT قابل کشش کردند. چنین کاری ابتدا مستلزم توسعه الگوریتم‌های یادگیری ماشینی و آموزش آنها بر روی مجموعه داده‌های زیست پزشکی برای پیش بینی دقیق فیزیولوژی و سلامت کاربران بود.
ژانگ می‌گوید: «برای ادغام الگوریتم‌های خود با ابزار‌های پوشیدنی، با سه چالش اصلی روبرو هستیم: جمع آوری داده‌های سلامت با کیفیت بالاتر برای آموزش دقیق، کاهش آرتیفکت حرکتی با پوست نرم و در نتیجه به حداقل رساندن نویز داده ها، و سفارشی سازی یک الگوریتم برای حداکثر بازده محاسباتی.»
وی افزود: «متقابلا، از OECT برای دستیابی به سیگنال‌های EMG عضلانی با کیفیت بالا استفاده می‌کنیم؛ OECTهای کششی را برای به حداقل رساندن آرتیفکت حرکتی توسعه داده و از یک الگوریتم هوش مصنوعی خاص و رایانش مخزنی برای آموزش داده‌های کارآمد بهره می‌بریم.»
OECT ابداعی محققان و ادغام در دستگاه پوشیدنی پیشنهادی آنها از اجزای قابل کشش، از جمله یک بستر الاستومری، یک کانال برپایه پلیمر نیمه رسانا و یک الکترولیت ژل جامد، و همچنین الکترود‌های درین و دریچه برپایه طلا تشکیل شده است. آزمایش‌ها نشان داد این ترانزیستور‌ها تا ۵۰ درصد خاصیت کشش پذیری دارند که اندازه آنها را به ۱۰۰ میکرومتر کاهش می‌دهد.
محققان ترانزیستور‌های قابل کشش خود را با استفاده از یک سیستم چاپ جوهر افشان با وضوح بالا ساختند و سپس از آنها برای ایجاد یک ماژول محاسباتی حسگر سازگار با ساعت هوشمند استفاده کردند. در آزمایش‌های اولیه، مشخص شد که این ماژول عملکرد چشمگیری دارد، مثلا حرکات دست کاربران را با دقت تقریبا ۹۰ درصدی پیش بینی می‌کند.
ژانگ افزود: «در این پروژه، ما دانش چند رشته‌ای شامل علم مواد، تولید، الکترونیک، هوش مصنوعی و پزشکی را هم افزایی می‌کنیم.»
وی تاکید کرد: «پلتفرم WISE (پوشیدنی، هوشمند و الکترونیک نرم) ارائه شده، جامع و عمومی است و به راحتی می‌توان آن را برای سایر برنامه‌های پوشیدنی محاسباتی سفارشی کرد. این سیستم قابلیت بهبود نتایج سلامت را نه تنها برای طیف گسترده‌ای از بیماری‌ها بلکه هم برای بیماران و هم برای عموم در بر دارد.»
نتایج این تحقیقات در نشریه Nature Electronics منتشر شده است.
انتهای پیام/