エネルギー効率の高いトランジスタにより、ウェアラブル デバイス内の健康データの AI 分析が可能 – Physics World

新しいタイプのトランジスタは、クラウド コンピューティングに頼ることなく、人工知能 (AI) がウェアラブル デバイス内のデータを分析できるようになり、個人の健康状態の監視を変革する可能性があります。

「混合カーネル ヘテロ接合」（MKH）トランジスタは、次の研究者によって開発されました。 ノースウエスタン大学、南カリフォルニア大学の同僚たち（USC）。 従来のトランジスタとは異なり、シリコンベースではありません。 代わりに、それらの p 型材料は半導体カーボン ナノチューブですが、n 型材料は化学蒸着法で成長させた二硫化モリブデンの単層で構成されています。

研究者らは、MKH トランジスタを使用して、カーネルとして知られるパーソナライズされた機械学習 (ML) アルゴリズムを実装できるナノエレクトロニクス AI システムを作成しました。 彼らは、このデバイスが大規模なデータセットを高精度で分類できることを示しました。たとえば、心電図 (ECG) でさまざまなタイプの不整脈 (不規則な心拍) を識別できます。

従来の電子機器を使用してこのようにデータを分類するには、少なくとも 100 個のシリコンベースのトランジスタが必要になります。 対照的に、ノースウェスタンの MKH トランジスタは XNUMX つだけ必要です。 これにより、ハードウェアの設置面積が大幅に削減されるだけでなく、必要な電力も大幅に削減されるため、システムをスマート ウォッチなどの家電製品に組み込むことが可能になります。

「当社のデバイスは、心電図データ内の不整脈の検出などの ML 分類において、従来のシリコン エレクトロニクスよりもエネルギー効率が 100 倍優れています。 当社のデバイスは非常に効率的であるため、ウェアラブル エレクトロニクスのセンサーを使用して直接実装でき、ウェアラブル デバイス上で ML 分類を直接実行できるようになります。」 マーク・ハーサム、ノースウェスタン大学のマコーミック工学大学院出身であり、彼とともにプロジェクトを共同主導しました。 ハン・ワン 南カリフォルニア大学と ヴィノッド・サンワン ノースウェスタンで。

この MKH トランジスタ ベースの電子機器をスマート ウォッチやフィットネス トラッカーに組み込むと、電力を大量に消費するクラウド データ センターでそのようなデータをリモート処理する必要もなくなります。

「AI および ML アルゴリズムは、従来のシリコン エレクトロニクスを使用して実装するとエネルギー効率が悪くなります」とハーサム氏は語ります。 物理学の世界。 「このエネルギー効率の非効率性は、データ量が増加するにつれて悪化します。これは、AI/ML がグリッドのエネルギーのかなりの部分を消費するという持続不可能な道を進んでいることを意味します。 私たちは、AI/ML をより効率的に実装できる新しい電子デバイスを開発することで、この問題を解決したいと考えています。」

で報告された研究では、 ネイチャーエレクトロニクス研究者らは、自社のデバイスが95件のECG検査のデータセットから、正常なリズムと心房性期外収縮と心室性期外収縮を含む10,000つの不整脈というXNUMXつの異なるタイプの心拍をXNUMX%の精度で識別できることを示した。

このような正確な結果が得られたのは、新しいトランジスタが「混合カーネル サポート ベクター マシンを忠実に模倣して、ML 分類の精度を向上させる」ことができるためだとハーサム氏は説明します。 混合カーネル サポート ベクター マシンは、さまざまな特徴を持つ生物学的データなどの複雑な多次元データセットを分類できる AI の一種です。 これにより、ECG やその他の個人の健康データの分析に最適になります。

さらに、これらの MKH トランジスタを流れる電流を強力に変調することで MKH トランジスタを再構成できるため、特定の患者ごとに AI の精度を最適化できます。 これにより、問題が発生した場合に早期の医療介入が可能になり、健康転帰を改善できるリアルタイムのパーソナライズされた結果への道が開かれます。 また、ユーザーは、分析のためにデータをクラウドとの間で受け渡しする必要がないため、機密の健康情報のセキュリティが強化されるというメリットも得られます。

スマートウォッチ信号の心拍検出が勝利 生理学的測定 最優秀論文賞

チームは現在、大量生産方法を開発し、トランジスタの潜在的な用途の範囲を拡大することを目指している。

「当社の MKH トランジスタは実験室規模で実証されています。 ウェアラブル デバイスの大規模導入には、スケーラブルな製造方法の開発が必要ですが、適切な投資があれば数年以内に実現できる可能性があります。 将来的には、MKH トランジスタのスケーラブルな製造に取り組んでいく予定です。 さらに、当社の MKH トランジスタを他の AI/ML アプリケーション向けに汎用化する予定です」と Hersam 氏は言います。

• SEO を活用したコンテンツと PR 配信。 今日増幅されます。
• PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
• プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
• プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
• プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
• 情報源： https://physicsworld.com/a/energy-efficient-transistor-enables-ai-analysis-of-health-data-within-wearable-devices/