Applicando questo dispositivo per la previsione del livello di glucosio nel sangue nei pazienti con diabete, ha notevolmente superato i dispositivi di intelligenza artificiale esistenti in termini di precisione della previsione.

Il lavoro è pubblicato sulla rivista Science Advances .

Con l'espansione delle applicazioni di machine learning in vari settori, c'è una crescente domanda di dispositivi IA che non solo siano altamente computazionali ma siano anche caratterizzati da un basso consumo energetico e da una miniaturizzazione.

La ricerca si è spostata verso il calcolo dei serbatoi fisici, sfruttando i fenomeni fisici presentati da materiali e dispositivi per l’elaborazione delle informazioni neurali. Una sfida che rimane è la dimensione relativamente grande dei materiali e dei dispositivi esistenti.

La ricerca del team ha aperto la strada alla prima implementazione al mondo del calcolo del serbatoio fisico che opera secondo il principio dello scattering Raman potenziato dalla superficie, sfruttando le vibrazioni molecolari di poche molecole organiche. Le informazioni vengono immesse tramite il gate ionico, che modula l'adsorbimento degli ioni idrogeno sulle molecole organiche (acido p-mercaptobenzoico, pMBA) applicando tensione.

I cambiamenti nelle vibrazioni molecolari delle molecole pMBA, che variano con l'adsorbimento degli ioni idrogeno, svolgono la funzione di memoria e trasformazione della forma d'onda non lineare per il calcolo.

Questo processo, utilizzando un insieme sparso di molecole pMBA, ha appreso in circa 20 ore le variazioni del livello di glucosio nel sangue di un paziente diabetico ed è riuscito a prevedere le successive fluttuazioni nei successivi cinque minuti con una riduzione dell'errore di circa il 50% rispetto alla massima precisione raggiunta da dispositivi simili fino ad oggi.

Questo studio indica che una quantità minima di molecole organiche può eseguire efficacemente calcoli paragonabili a un computer. Questa svolta tecnologica che consente di effettuare una sofisticata elaborazione delle informazioni con materiali minimi e in spazi ristretti presenta sostanziali vantaggi pratici. Apre la strada alla creazione di dispositivi terminali IA a basso consumo che possono essere integrati con una varietà di sensori, aprendo strade per un ampio uso industriale.