幾十年來，食品和飲料行業一直苦苦尋求一種能夠以大規模生產的速度和規模“品嚐測試”產品的自動化方法。但在一項新的研究中，研究人員利用機器學習克服了一種很有前景的化學感測器的侷限性，這意味著機器人舌頭可能很快就能在您之前評估您的牛奶或梅洛。
當液體（例如美味的飲品）中的離子接觸到離子敏感場效應電晶體 (ISFET) 的導電片時，流經的電流會根據液體的確切成分和施加的電壓而變化。這使得科學家能夠使用 ISFET 將化學變化轉化為電訊號。任何飲品的化學成分及其味道都受到汙染和新鮮度的影響——ISFET 可以識別這些。
賓夕法尼亞州立大學工程師薩普塔什·達斯說：“食品工業在弄清楚食品是否摻假或含有有毒物質方面存在很多問題。” 首批 ISFET 早在 50 多年前就已問世，但這種感測器在商業上應用不多。石墨烯這種理想導電材料的出現，幫助研究人員製造出改進的 ISFET 感測器，可以檢測特定的化學離子。但一個大問題仍然存在：讀數因感測器而異，並且隨著溫度或溼度等條件的變化而變化。
支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道： 訂閱。透過購買訂閱，您將幫助確保未來能夠繼續講述關於塑造我們當今世界的發現和想法的具有影響力的故事。
在《自然》雜誌上，達斯和他的同事透過將 ISFET 與神經網路結合，解決了這個問題，他們訓練了一種機器學習演算法，使用感測器的讀數對飲料進行分類。由此產生的系統可以判斷牛奶是否被稀釋、區分蘇打水品牌或咖啡混合物，並識別不同的果汁，同時判斷它們的新鮮度。
在開發過程中，團隊嘗試了基於人工選擇資料點的訓練，但科學家們發現，如果演算法獲得所有裝置測量值並選擇自己的資料特徵作為決策依據，則指定會更準確。人工選擇的特徵容易受到裝置變化的影響，而演算法一次分析所有資料，找到變化較小的元素。達斯解釋說：“機器學習能夠找出人類難以定義的更細微的差異。” 該系統在實際任務中實現了超過 97% 的準確率。
加州大學聖地亞哥分校的工程師基亞納·阿蘭說：“資料非常有說服力”，她與人共同創立了一家公司，旨在將石墨烯生物感測器商業化。與檢測特定分子的人類舌頭不同，這種型別的 ISFET 系統僅檢測化學變化——“這將其限制在特定的、預定義的化學特徵範圍內”，例如品牌配方或新鮮度範圍，她說。
接下來，達斯和他的同事將測試更大、更多樣化的訓練資料集和更復雜的演算法，以擴充套件系統的應用範圍。例如，達斯說：“你可以將這項技術用於醫療保健應用：血糖水平或汗液監測。” “這將是我們想要探索的另一個領域。”