دانشمندان موفق به ساخت اولین زبان مصنوعی شدند که میتواند طعمها را بهطور کامل در محیطهای مایع شناسایی کند و به این ترتیب، عملکرد جوانههای چشایی انسان را تقلید کند. این موفقیت که در ۱۵ ژوئیه در مجله PNAS منتشر شد، میتواند راه را برای توسعه سیستمهای خودکار ایمنی مواد غذایی و تشخیص زودهنگام بیماریها از طریق تحلیل شیمیایی هموار کند.
این فناوری میتواند در تجهیزات آزمایشگاهی برای تحلیل شیمیایی نمونههای مایع نیز به کار گرفته شود. همچنین، محققان این اختراع را گامی مهم به سوی «رایانش نورومورفیک» (neuromorphic computing) میدانند؛ یعنی سیستمهای هوش مصنوعی که فرآیند یادگیری مغز را تقلید میکنند.
این زبان مصنوعی چگونه کار میکند؟
این زبان مصنوعی از غشاهای اکسید گرافن ساخته شده است؛ ورقههای فوقالعاده نازکی از کربن که مانند فیلترهای مولکولی برای نسخههای یونی طعمها عمل میکنند. این غشاها به جای جدا کردن ذرات بزرگ، حرکت یونها را کند کرده و به دستگاه اجازه میدهند تا طعمهای واردشده را شناسایی کرده و به خاطر بسپارد.
در این مطالعه، دستگاه توانست چهار طعم اصلی شیرین، ترش، شور و تلخ را با دقت ۷۲.۵ تا ۸۷.۵ درصد شناسایی کند. برای نوشیدنیهای با طعمهای پیچیده مانند قهوه و کوکاکولا، دقت به ۹۶ درصد رسید. این دقت بالاتر به دلیل ساختار الکتریکی پیچیدهتر این نوشیدنیهاست که شناسایی آنها را برای سیستم آسانتر میکند. بر اساس این تحقیق، این اولین بار است که حس کردن و پردازش اطلاعات در یک سیستم تر (liquid-based) با هم ترکیب شدهاند.
یانگ یان، استاد شیمی در مرکز ملی علوم نانو و فناوری در چین و یکی از نویسندگان این مطالعه، در ایمیلی به وبسایت Live Science گفت: «این کشف به ما طرحی برای ساخت دستگاههای یونی جدید با الهام از زیستشناسی میدهد. دستگاههای ما میتوانند در مایعات کار کنند و محیط خود را حس و اطلاعات را پردازش کنند؛ دقیقاً مانند کاری که سیستم عصبی ما انجام میدهد.»
یک پیشرفت بزرگ در پردازش اطلاعات در مایع
سیستمهای چشایی قبلی، تمام اطلاعات را روی سیستمهای کامپیوتری خارجی پردازش میکردند، اما این سیستم جدید تمام حسکردن و بخش بزرگی از پردازش دادهها را در محیط مایع انجام میدهد. این رویکرد مایعمحور، دقت بیشتری را فراهم میکند؛ زیرا طعمها در حالت یونی طبیعی خود پردازش میشوند و نیازی به تبدیل شدن برای سیستمهای خشک ندارند.
از آنجا که اجزای الکترونیکی سنتی در مایعات دچار اختلال میشوند، محققان مجبور بودند تا عملکردهای حسکردن و پردازش را از هم جدا کنند. اما این پیشرفت، با استفاده از غشاهای اکسید گرافن که هم میتوانند طعمها را تشخیص دهند و هم بخش زیادی از پردازش اطلاعات را در مایع انجام دهند، بر این محدودیت غلبه کرده است.
این زبان مصنوعی با حل کردن ترکیبات شیمیایی در مایع کار میکند که سپس به یونها تجزیه میشوند. یونها از لایههایی از ورقههای کربنی مخصوص عبور کرده و کانالهای بسیار کوچکی ایجاد میکنند که هزاران بار نازکتر از موی انسان هستند. این فرآیند باعث میشود که یونها الگوهای منحصربهفردی ایجاد کنند که نشاندهنده طعم مربوط به آن ترکیب شیمیایی است. سپس سیستم این الگو را «یاد میگیرد» و با استفاده مداوم، در شناسایی طعمها دقیقتر میشود.
یکی از نوآوریهای کلیدی این تحقیق، کاهش سرعت حرکت یونها از طریق این کانالها بود؛ بهطوری که سرعت آنها ۵۰۰ برابر کندتر از حالت عادی شد. این کاهش سرعت به سیستم زمان میدهد تا هر طعمی را که با آن مواجه میشود، «به خاطر بسپارد». بسته به ضخامت غشا، این حافظهها میتوانند تا حدود ۱۴۰ ثانیه دوام داشته باشند، در حالی که در سیستمهای قبلی تنها میلیثانیه بودند.
کاربردهای پزشکی و عملی
این فناوری میتواند به تشخیص زودهنگام بیماریها از طریق تحلیل طعم، شناسایی اثرات داروها و کمک به افرادی که حس چشایی خود را به دلیل اختلالات عصبی یا سکته از دست دادهاند، کمک کند.
این زبان مصنوعی همچنین میتواند در بهبود آزمایشهای ایمنی مواد غذایی، کنترل کیفیت در تولید نوشیدنیها و نظارت بر محیطزیست و منابع آب مورد استفاده قرار گیرد.
چالشها و آینده پیشرو
یانگ یان اذعان کرد که چالشهای مهمی هنوز باقی مانده است. او به Live Science گفت: «این سیستم هنوز برای کاربردهای عملی بسیار بزرگ است. حساسیت تشخیص باید بهبود یابد و مصرف انرژی آن نیز بیشتر از حد دلخواه ماست.»
با این حال، یانگ نسبت به آینده خوشبین است: «هنگامی که بتوانیم بر چالشهای افزایش مقیاس تولید، بهبود کارایی انرژی و یکپارچهسازی چندین حسگر غلبه کنیم و سختافزار نورومورفیک سازگار را توسعه دهیم، میتوانیم در دهه آینده شاهد پیشرفتهای چشمگیری در فناوری مراقبتهای بهداشتی، رباتیک و نظارت بر محیطزیست باشیم.»