Дослідники з лабораторій Intel та Корнельського університету продемонстрували унікальну здатність нейроморфного дослідницького чіпа Intel під назвою Loihi вивчати та ідентифікувати небезпечні хімічні речовини. Дослідження було опубліковане в журналі Nature Machine Intelligence, в якому описується, як нейронний алгоритм будувався з нуля на основі архітектури та динаміки нюхових ланцюгів мозку людини.
Мікросхема заснована на нейроморфній обчислювальній архітектурі, яка натхнена сучасним розумінням вчених людського мозку та способу вирішення проблем. Це трохи апаратного забезпечення, яке має на меті імітувати, як людський мозок обробляє та вирішує проблеми. Він може використовувати знання, які вже має, для висновків про нові дані, тим самим допомагаючи пришвидшити процес навчання в геометричній прогресії з часом.
Чіп має можливість ідентифікувати кожну хімічну речовину на основі її запаху лише за допомогою одного тестового зразка, що також не порушує пам’ять про раніше вивчені запахи. У порівнянні з будь-якою звичайною системою розпізнавання, як система глибокого навчання, яка вимагає приблизно в 3000 разів більше навчальних зразків, щоб досягти того самого рівня точності, чіп працює з вищою точністю.
Він може дізнатися і розпізнати запах 10 різних небезпечних хімічних речовин. Команда Intel використовувала набір даних, що складається з активності 72 відомих хімічних датчиків мозку та того, як вони реагують на запах кожної хімічної речовини. Далі були використані для налаштування того, що команда називає "принциповою схемою біологічного нюху" на Лойхі. Завдяки цьому Лойхі міг розпізнати нейронну репрезентацію кожного запаху та ідентифікувати кожен із них навіть при значній оклюзії.
Нюхові можливості Loihi можуть бути використані на нових електронних носових системах, які допомагають лікарям діагностувати захворювання. Більше того, його можна використовувати для розробки систем виявлення зброї та вибухівки в аеропортах. Він також може бути використаний для розробки ефективних детекторів диму та чадного газу. Від сенсорного аналізу сцени (розуміння взаємозв’язків між об’єктами, які ви спостерігаєте) до абстрактних проблем, таких як планування та прийняття рішень, дослідники планують узагальнити цей підхід до більш широкого кола проблем.