从创建图像、生成文本到启用自动驾驶汽车，人工智能(AI)的潜在用途是巨大而具有变革性的。然而，所有这些能力都是以非常高的能源成本为代价的。例如，据估计，训练OPEN AI流行的GPT-3模型消耗了超过1,287兆瓦时的电力，足以供一个普通美国家庭使用120年。
这种能源成本构成了一个巨大的障碍，特别是在健康监测等大规模应用中使用人工智能时，在这些应用中，大量关键健康信息被发送到集中的数据中心进行处理。这不仅消耗了大量的能源，还引起了对可持续性、带宽过载和通信延迟的担忧。
实现基于人工智能的健康监测和生物诊断需要一个独立运行的传感器，而不需要持续连接到中央服务器。
同时，传感器必须具有低功耗才能长时间使用，能够处理快速变化的生物信号进行实时监测，具有足够的灵活性，可以舒适地附着在人体上，并且由于卫生原因需要经常更换，因此易于制作和处理。
考虑到这些标准，东京科学大学(TUS)由副教授Takashi Ikuno领导的研究人员开发了一种柔性纸质传感器，它可以像人脑一样运作。他们的研究结果发表在《先进电子材料》杂志上。
为实现物理储层计算，研制了一种由纳米纤维素和氧化锌组成的纸基光电突触装置。Ikuno博士说:“这种设备在健康监测的合适时间尺度上显示突触行为和认知任务。”
在人脑中，信息通过突触在神经元网络之间传递。每个神经元都可以自己处理信息，使大脑能够同时处理多个任务。这种并行处理的能力使大脑比传统的计算系统更有效率。
为了模拟这种能力，研究人员在氧化锌纳米粒子和纤维素纳米纤维(cnf)组成的10 Â微米透明薄膜上制造了一个由金电极组成的光电人工突触装置。
透明薄膜有三个主要用途。首先，它允许光通过，使其能够处理代表各种生物信息的光输入信号。其次，纤维素纳米纤维具有柔韧性，可以很容易地通过焚烧处理。
第三，ZnO纳米粒子具有光响应性，当暴露在脉冲紫外光和恒定电压下时产生光电流。这种光电流模拟了人脑突触传递的反应，使该设备能够解释和处理从光学传感器接收到的生物信息。
值得注意的是，该薄膜能够区分4位输入光脉冲，并在响应时间序列光输入时产生不同的电流，响应时间快到亚秒级。这种快速反应对于检测健康相关信号的突然变化或异常至关重要。
此外，当暴露于两个连续的光脉冲时，第二个脉冲的电流响应更强。这种行为被称为后增强促进，有助于大脑中的短期记忆过程，并增强突触检测和响应熟悉模式的能力。
为了验证这一点，研究人员将MNIST图像(手写数字的数据集)转换为4位光脉冲。然后他们用这些脉冲照射薄膜并测量电流响应。使用这些数据作为输入，神经网络能够以88%的准确率识别手写数字。
值得注意的是，即使设备反复弯曲和拉伸高达1000次，这种手写数字识别能力也不会受到影响，这表明它的坚固性和重复使用的可行性。Ikuno博士总结道:“这项研究强调了在柔性CNF薄膜中嵌入半导体纳米颗粒作为柔性PRC突触装置的潜力。”
