科技日報訊 （記者張夢然）美國西北大學工程師開發(fā)了一種新型納米電子設備，可以迄今最節(jié)能的方式執(zhí)行準確的機器學習分類任務。該設備的能源使用效率比當前技術提高100倍，可實時處理大量數(shù)據(jù)并執(zhí)行人工智能（AI）任務，而無需將數(shù)據(jù)傳輸?shù)皆贫诉M行分析。研究成果10月12日發(fā)表在《自然·電子學》雜志上。
該設備體積小、功耗超低且接收分析沒有延遲，非常適合直接集成到可穿戴電子產(chǎn)品（如智能手表和健身追蹤器）中，以進行實時數(shù)據(jù)處理和近乎即時的診斷。
為了測試該設備，研究人員用其對公開的心電圖（ECG）數(shù)據(jù)集中的信息進行分類。結果表明，該設備不僅能夠有效、正確地識別不規(guī)則心跳，還能從6種不同類別中確定心律失常亞型，準確率接近95%。
在機器學習工具可以分析新數(shù)據(jù)之前，這些工具必須首先準確可靠地將訓練數(shù)據(jù)分類為不同的類別。對于當前的硅基技術來說，要對心電圖等大型數(shù)據(jù)集的數(shù)據(jù)進行分類，需要100多個晶體管，每個晶體管都需要自己的能源設備來運行。但該納米電子設備只需兩臺能源設備即可執(zhí)行相同的機器學習分類，大幅降低了功耗。
團隊先訓練該設備來解釋心電圖數(shù)據(jù)，這項任務通常需要訓練有素的醫(yī)護人員花費大量時間。而該納米電子設備能夠從10000個心電圖樣本中準確識別每種心律失常類型。通過繞過將數(shù)據(jù)發(fā)送到云端的需要，該設備不僅為患者節(jié)省出關鍵時間，還保護了患者隱私。
未來這些納米電子設備可整合到日?？纱┐髟O備中，根據(jù)每個用戶的健康狀況進行個性化定制，以實現(xiàn)實時應用。
（責任編輯：蔡文斌）
晉公網(wǎng)安備 14090202000008號 
