Von der Erstellung von Bildern über die Generierung von Text bis hin zur Ermöglichung selbstfahrender Autos – die Einsatzmöglichkeiten künstlicher Intelligenz (KI) sind vielfältig und transformativ. All diese Möglichkeiten gehen jedoch mit sehr hohen Energiekosten einher. Schätzungen zufolge verbrauchte das Training des beliebten GPT-3-Modells von OPEN AI beispielsweise über 1.287 MWh, genug, um einen durchschnittlichen US-Haushalt 120 Jahre lang zu versorgen.
Diese Energiekosten stellen ein erhebliches Hindernis dar, insbesondere für den Einsatz von KI in groß angelegten Anwendungen wie der Gesundheitsüberwachung, bei der große Mengen wichtiger Gesundheitsinformationen zur Verarbeitung an zentrale Rechenzentren gesendet werden. Dies verbraucht nicht nur viel Energie, sondern wirft auch Bedenken hinsichtlich Nachhaltigkeit, Bandbreitenüberlastung und Kommunikationsverzögerungen auf.
Um eine KI-basierte Gesundheitsüberwachung und biologische Diagnose zu erreichen, ist ein eigenständiger Sensor erforderlich, der unabhängig arbeitet, ohne dass eine ständige Verbindung zu einem zentralen Server erforderlich ist.
Gleichzeitig muss der Sensor für eine längere Verwendung einen geringen Stromverbrauch aufweisen, in der Lage sein, die sich schnell ändernden biologischen Signale für eine Echtzeitüberwachung zu verarbeiten, flexibel genug sein, um bequem am menschlichen Körper befestigt zu werden, und einfach herzustellen und zu sein entsorgen, da aus hygienischen Gründen ein häufiger Austausch erforderlich ist.
Unter Berücksichtigung dieser Kriterien haben Forscher der Tokyo University of Science (TUS) unter der Leitung von außerordentlichem Professor Takashi Ikuno einen flexiblen papierbasierten Sensor entwickelt, der wie das menschliche Gehirn funktioniert. Ihre Ergebnisse wurden in veröffentlicht Fortschrittliche elektronische Materialien.
„Ein papierbasiertes optoelektronisches synaptisches Gerät aus Nanozellulose und ZnO wurde zur Realisierung physikalischer Reservoir-Computing entwickelt. Dieses Gerät zeigt synaptisches Verhalten und kognitive Aufgaben in einem geeigneten Zeitrahmen für die Gesundheitsüberwachung“, sagt Dr. Ikuno.
Im menschlichen Gehirn werden Informationen über Synapsen zwischen Netzwerken von Neuronen übertragen. Jedes Neuron kann Informationen selbstständig verarbeiten, sodass das Gehirn mehrere Aufgaben gleichzeitig bewältigen kann. Diese Fähigkeit zur Parallelverarbeitung macht das Gehirn im Vergleich zu herkömmlichen Computersystemen wesentlich effizienter.
Um diese Fähigkeit nachzuahmen, stellten die Forscher ein fotoelektronisches künstliches Synapsengerät her, das aus Goldelektroden auf einem 10 µm dicken transparenten Film bestehend aus Zinkoxid (ZnO)-Nanopartikeln und Cellulose-Nanofasern (CNFs) besteht.
Die transparente Folie erfüllt drei Hauptzwecke. Erstens lässt es Licht durch und ermöglicht so die Verarbeitung optischer Eingangssignale, die verschiedene biologische Informationen darstellen. Zweitens verleihen die Cellulose-Nanofasern Flexibilität und können leicht durch Verbrennung entsorgt werden.
Drittens reagieren die ZnO-Nanopartikel auf Licht und erzeugen einen Fotostrom, wenn sie gepulstem UV-Licht und einer konstanten Spannung ausgesetzt werden. Dieser Fotostrom ahmt die von der Synapse im menschlichen Gehirn übertragenen Reaktionen nach und ermöglicht es dem Gerät, von optischen Sensoren empfangene biologische Informationen zu interpretieren und zu verarbeiten.
Insbesondere war der Film in der Lage, optische 4-Bit-Eingabeimpulse zu unterscheiden und als Reaktion auf optische Zeitreiheneingaben unterschiedliche Ströme zu erzeugen, mit einer schnellen Reaktionszeit in der Größenordnung von Subsekunden. Diese schnelle Reaktion ist entscheidend für die Erkennung plötzlicher Veränderungen oder Anomalien gesundheitsbezogener Signale.
Darüber hinaus war die elektrische Stromreaktion beim zweiten Impuls stärker, wenn sie zwei aufeinanderfolgenden Lichtimpulsen ausgesetzt wurden. Dieses Verhalten, das als Postpotenzierungserleichterung bezeichnet wird, trägt zu Kurzzeitgedächtnisprozessen im Gehirn bei und verbessert die Fähigkeit von Synapsen, vertraute Muster zu erkennen und darauf zu reagieren.
Um dies zu testen, wandelten die Forscher MNIST-Bilder, einen Datensatz handgeschriebener Ziffern, in optische 4-Bit-Impulse um. Anschließend bestrahlten sie die Folie mit diesen Impulsen und maßen die Stromreaktion. Anhand dieser Daten als Eingabe konnte ein neuronales Netzwerk handgeschriebene Zahlen mit einer Genauigkeit von 88 % erkennen.
Bemerkenswerterweise blieb die Fähigkeit zur Erkennung handgeschriebener Ziffern auch dann erhalten, wenn das Gerät bis zu 1.000 Mal gebogen und gedehnt wurde, was seine Robustheit und Eignung für den wiederholten Gebrauch unter Beweis stellt. „Diese Studie unterstreicht das Potenzial der Einbettung von Halbleiter-Nanopartikeln in flexible CNF-Filme zur Verwendung als flexible synaptische Geräte für PRC“, schließt Dr. Ikuno.
Mehr Informationen:
Hiroaki Komatsu et al., Einweg- und flexible papierbasierte optoelektronische synaptische Geräte für die Berechnung physikalischer Reservoire, Fortschrittliche elektronische Materialien (2024). DOI: 10.1002/aelm.202300749