Enerji tasarruflu transistör, giyilebilir cihazlardaki sağlık verilerinin yapay zeka analizine olanak sağlar - Fizik Dünyası

Yeni bir transistör türü, yapay zekanın (AI) giyilebilir cihazlardaki verileri bulut bilişime ihtiyaç duymadan analiz etmesini sağlayarak kişisel sağlık izlemeyi dönüştürebilir.

"Karışık çekirdek heteroeklem" (MKH) transistörleri, araştırmacılar tarafından geliştirildi. Northwestern ÜniversitesiGüney Kaliforniya Üniversitesi'nden meslektaşlarıyla birlikte (USC). Geleneksel transistörlerin aksine silikon bazlı değildirler. Bunun yerine, p-tipi malzemeleri yarı iletken karbon nanotüplerdir, n-tipi malzeme ise kimyasal buhar biriktirmeyle büyütülmüş molibden disülfürün tek katmanını içerir.

Araştırmacılar, çekirdek olarak bilinen kişiselleştirilmiş makine öğrenimi (ML) algoritmalarını uygulayabilen nanoelektronik bir yapay zeka sistemi oluşturmak için MKH transistörlerini kullandılar. Cihazın büyük veri kümelerini yüksek doğrulukla sınıflandırabildiğini (örneğin, elektrokardiyogramlardaki (EKG) farklı aritmi türlerini (düzensiz kalp atışları)) tanımlayabildiğini gösterdiler.

Geleneksel elektronikler kullanılarak verilerin bu şekilde sınıflandırılması en az 100 silikon bazlı transistör gerektirecektir. Buna karşılık, Northwestern'in MKH transistörlerinden yalnızca ikisine ihtiyaç var. Bu, yalnızca donanım ayak izini önemli ölçüde azaltmakla kalmıyor, aynı zamanda çok daha az güç gerektirerek sistemin akıllı saatler gibi tüketici elektroniklerine dahil edilmesini sağlıyor.

"Cihazlarımız, elektrokardiyogram verilerinde aritmi tespiti gibi ML sınıflandırması için geleneksel silikon elektroniklere göre 100 kat daha fazla enerji verimlidir. Cihazlarımız çok verimli olduğu için giyilebilir elektroniklerdeki sensörlerle doğrudan uygulanabiliyor, böylece ML sınıflandırmasının doğrudan giyilebilir cihazlarda gerçekleşmesine olanak sağlanıyor" diyor. Mark HersamNorthwestern'deki McCormick Mühendislik Okulu'ndan projeyi birlikte yöneten Han Wang USC'den ve Vinod Sangwan Northwestern'de.

Bu MKH transistör tabanlı elektroniklerin akıllı saatlere ve fitness takipçilerine yerleştirilmesi, bu tür verilerin güce aç bulut veri merkezlerinde uzaktan işlenmesi ihtiyacını da ortadan kaldıracaktır.

Hersam, "AI ve ML algoritmaları, geleneksel silikon elektronikler kullanılarak uygulandığında enerji açısından verimsizdir" diyor Fizik dünyası. “Veri miktarı arttıkça bu enerji verimsizliği daha da kötüleşiyor; bu da AI/ML'nin şebeke enerjisinin önemli bir kısmını tüketme yönünde sürdürülemez bir yolda olduğu anlamına geliyor. AI/ML'yi daha verimli bir şekilde uygulayabilecek yeni elektronik cihazlar geliştirerek bu sorunu çözmeyi umuyoruz."

Bildirilen bir çalışmada Doğa ElektroniğiAraştırmacılar, cihazlarının 95 EKG testinden oluşan bir veri kümesinden, cihazlarının altı farklı kalp atışı tipini (normal ritim ve atriyal erken atım ve erken ventriküler kasılma dahil olmak üzere beş aritmi) %10,000 doğrulukla tanımlayabildiğini gösterdi.

Hersam, bu kadar kesin sonuçların elde edildiğini, çünkü yeni transistörlerin "gelişmiş ML sınıflandırma doğruluğu için karışık çekirdek destek vektör makinelerini aslına sadık bir şekilde taklit edebildiğini" açıklıyor. Karışık çekirdek destek vektör makineleri, biyolojik veriler gibi karmaşık, çok boyutlu veri kümelerini birçok farklı özelliğe sahip olarak sınıflandırabilen bir yapay zeka türüdür. Bu, onu EKG'leri ve diğer kişisel sağlık verilerini analiz etmek için ideal kılar.

Ek olarak, bu MKH transistörlerini, içlerindeki akım akışını güçlü bir şekilde modüle ederek yeniden yapılandırma yeteneği, AI doğruluğunun her bir hasta için optimize edilmesini sağlar. Bu, sorunlar ortaya çıktığında daha erken tıbbi müdahaleye olanak sağlayarak sağlık sonuçlarını iyileştirebilecek gerçek zamanlı kişiselleştirilmiş sonuçların önünü açıyor. Kullanıcılar ayrıca hassas sağlık bilgileri için gelişmiş güvenlikten de faydalanacak çünkü verilerini analiz için buluta aktarmaya gerek kalmayacak.

Akıllı saat sinyallerinde kalp atışı tespiti kazanıyor Fizyolojik Ölçüm en iyi kağıt ödülü

Ekip artık seri üretim yöntemleri geliştirmeyi ve transistörlerinin potansiyel kullanım alanını genişletmeyi hedefliyor.

"MKH transistörlerimiz laboratuvar ölçeğinde gösterildi. Giyilebilir cihazlarda büyük ölçekli dağıtım, ölçeklenebilir üretim yöntemlerinin geliştirilmesini gerektirecektir ve bu, uygun yatırımla birkaç yıl içinde gerçekleşebilir. Gelecekte MKH transistörlerimizin ölçeklenebilir üretimi üzerinde çalışacağız. Ayrıca MKH transistörlerimizi diğer AI/ML uygulamaları için de genelleştireceğiz" diyor Hersam.

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://physicsworld.com/a/energy-efficient-transistor-enables-ai-analysis-of-health-data-within-wearable-devices/