Bóng bán dẫn tiết kiệm năng lượng cho phép AI phân tích dữ liệu sức khỏe trong các thiết bị đeo – Vật lý Thế giới

Bóng bán dẫn tiết kiệm năng lượng cho phép AI phân tích dữ liệu sức khỏe trong các thiết bị đeo – Vật lý Thế giới

Phân tích dữ liệu y tế bên trong thiết bị đeo được
AI trên thiết bị Một thiết bị điện tử nano công suất thấp có thể được triển khai trực tiếp trong thiết bị điện tử đeo được cho phép phân loại dữ liệu y tế bằng máy học theo thời gian thực bên trong thiết bị đeo được. (Được phép: iStock/jittawit.21)

Một loại bóng bán dẫn mới có thể biến đổi hoạt động theo dõi sức khỏe cá nhân bằng cách cho phép trí tuệ nhân tạo (AI) phân tích dữ liệu bên trong các thiết bị đeo được – mà không cần dựa vào sự trợ giúp của điện toán đám mây.

Các bóng bán dẫn “dị vòng hạt nhân hỗn hợp” (MKH) được phát triển bởi các nhà nghiên cứu tại Đại học Northwestern, cùng với các đồng nghiệp từ Đại học Nam California (USC). Không giống như các bóng bán dẫn thông thường, chúng không dựa trên silicon. Thay vào đó, vật liệu loại p của họ là các ống nano carbon bán dẫn, trong khi vật liệu loại n bao gồm một lớp đơn molybdenum disulphide phát triển lắng đọng hơi hóa học.

Các nhà nghiên cứu đã sử dụng bóng bán dẫn MKH của họ để tạo ra một hệ thống AI điện tử nano có thể thực hiện các thuật toán học máy (ML) được cá nhân hóa, được gọi là hạt nhân. Họ đã chứng minh rằng thiết bị có thể phân loại các tập dữ liệu lớn – ví dụ: xác định các loại rối loạn nhịp tim (nhịp tim không đều) khác nhau trong điện tâm đồ (ECG) – với độ chính xác cao.

Việc phân loại dữ liệu theo cách này bằng cách sử dụng các thiết bị điện tử thông thường sẽ cần ít nhất 100 bóng bán dẫn làm bằng silicon. Ngược lại, chỉ cần hai bóng bán dẫn MKH của Northwestern. Điều này không chỉ làm giảm đáng kể dấu chân phần cứng mà còn đòi hỏi ít năng lượng hơn, cho phép hệ thống được tích hợp vào các thiết bị điện tử tiêu dùng như đồng hồ thông minh.

“Các thiết bị của chúng tôi tiết kiệm năng lượng hơn 100 lần so với các thiết bị điện tử silicon thông thường để phân loại ML như phát hiện chứng rối loạn nhịp tim trong dữ liệu điện tâm đồ. Bởi vì các thiết bị của chúng tôi rất hiệu quả nên chúng có thể được triển khai trực tiếp với các cảm biến trong thiết bị điện tử đeo được, do đó cho phép phân loại ML diễn ra trực tiếp trên các thiết bị đeo được,” cho biết Mark Hersam, từ Trường Kỹ thuật McCormick của Northwestern, người đồng lãnh đạo dự án cùng với Hán Vương từ USC và Vinod Sangwan ở Tây Bắc.

Việc lắp thiết bị điện tử dựa trên bóng bán dẫn MKH này vào đồng hồ thông minh và thiết bị theo dõi thể dục cũng sẽ loại bỏ nhu cầu xử lý từ xa những dữ liệu đó trong các trung tâm dữ liệu đám mây tiêu tốn nhiều năng lượng.

Hersam cho biết: “Các thuật toán AI và ML không tiết kiệm năng lượng khi được triển khai bằng thiết bị điện tử silicon thông thường”. Thế giới vật lý. “Sự kém hiệu quả về năng lượng này trở nên tồi tệ hơn khi lượng dữ liệu tăng lên, điều này ngụ ý rằng AI/ML đang đi theo hướng không bền vững trong việc tiêu thụ một phần đáng kể năng lượng của lưới điện. Chúng tôi hy vọng có thể giải quyết vấn đề này bằng cách phát triển các thiết bị điện tử mới có thể triển khai AI/ML hiệu quả hơn.”

Trong một nghiên cứu báo cáo trong Tự nhiên Điện tửCác nhà nghiên cứu đã chứng minh rằng thiết bị của họ có thể xác định chính xác 95% sáu loại nhịp tim khác nhau – nhịp bình thường và năm loại rối loạn nhịp tim bao gồm nhịp nhĩ sớm và co tâm thất sớm – từ tập dữ liệu gồm 10,000 bài kiểm tra ECG.

Hersam giải thích, kết quả chính xác như vậy đạt được là do các bóng bán dẫn mới có thể “bắt chước một cách trung thực các máy vectơ hỗ trợ hạt nhân hỗn hợp để nâng cao độ chính xác phân loại ML”. Máy vectơ hỗ trợ hạt nhân hỗn hợp là loại AI có thể phân loại các bộ dữ liệu phức tạp, đa chiều như dữ liệu sinh học với nhiều tính năng khác nhau. Điều này khiến nó trở nên lý tưởng để phân tích ECG và các dữ liệu sức khỏe cá nhân khác.

Ngoài ra, khả năng cấu hình lại các bóng bán dẫn MKH này bằng cách điều chỉnh mạnh mẽ dòng điện chạy qua chúng cho phép độ chính xác của AI được tối ưu hóa cho từng bệnh nhân cụ thể. Điều này mở đường cho các kết quả được cá nhân hóa theo thời gian thực có thể cải thiện kết quả sức khỏe bằng cách cho phép can thiệp y tế sớm hơn khi có vấn đề phát sinh. Người dùng cũng sẽ được hưởng lợi từ tính năng bảo mật nâng cao cho thông tin sức khỏe nhạy cảm của họ vì không cần phải truyền dữ liệu của họ đến và đi từ đám mây để phân tích.

Nhóm nghiên cứu hiện đặt mục tiêu phát triển các phương pháp sản xuất hàng loạt và mở rộng phạm vi ứng dụng tiềm năng cho bóng bán dẫn của họ.

“Các bóng bán dẫn MKH của chúng tôi đã được chứng minh ở quy mô phòng thí nghiệm. Việc triển khai quy mô lớn trong các thiết bị đeo sẽ yêu cầu phát triển các phương pháp sản xuất có thể mở rộng, điều này có thể xảy ra trong một vài năm với mức đầu tư phù hợp. Trong tương lai, chúng tôi sẽ nghiên cứu việc sản xuất các bóng bán dẫn MKH có thể mở rộng quy mô. Ngoài ra, chúng tôi sẽ khái quát hóa các bóng bán dẫn MKH cho các ứng dụng AI/ML khác,” Hersam cho biết.

Dấu thời gian:

Thêm từ Thế giới vật lý