Математическую модель “электронного носа”, основанную на применении передовой биоподобной элементной базы, предложили ученые ННГУ. По их словам, разработка станет основой для устройств, намного превосходящих существующие аналоги по точности распознавания. Результаты опубликованы в журнале Biomimetics.Разработка “электронных носов”, по словам ученых, сегодня очень актуальна: подобные устройства могут применяться в экологическом надзоре и пищевой промышленности, в системах безопасности, в медицине для протезирования или скрининга заболеваний.

Научная гонка в поиске способов имитации человеческого обоняния, как отметили специалисты, сейчас в разгаре, так как все существующие электронные аналоги или математические модели имеют недостаточную точность и ряд других ограничений.Ученые Национального исследовательского Нижегородского государственного университета им. Н.И. Лобачевского (ННГУ) предложили новый подход к этой задаче, основанный на использовании мемристоров.
Мемристоры – недавно разработанный тип электронной элементной базы, воспроизводящий работу биологических синапсов, которые передают нервный импульс между нейронами мозга.

“Мы показали, что с применением мемристоров и импульсных нейронных сетей можно построить универсальный и точный аналог биологического обоняния, воплощаемый “в железе”. Сенсором для такого “носа” может служить обычный хроматограф, а для распознавания вещества ему будет достаточно небольшой концентрации запаха”, – рассказал доцент кафедры нейротехнологий Института биологии и биомедицины ННГУ Сергей Стасенко.
В работе специалистов ННГУ использовалась математическая модель мемристоров, так как серийное производство мемристоров-микрочипов еще не начато, объяснили ученые. По их словам, применение этих элементов позволит разработать целое семейство новых электронных устройств на “мозгоподобных” принципах, обладающих повышенной функциональностью относительно привычной электроники.

“В достаточно короткой перспективе наша математическая модель может быть воплощена в виде миниатюрного устройства, у которого способности к распознаванию не будут ограничены предзаданным набором образцов, как у существующих нейросетевых аналогов”, – подчеркнул Стасенко.
На данный момент, по словам ученых, почти отсутствуют какие-либо работы с использованием мемристоров в функциональных биологических системах. Полученные результаты имеют большое значение для развития нейропроцессоров и нейрокомпьютинга в целом, считают авторы.

“В нашем исследовании крайне важными аспектами являются математическое моделирование информационных процессов мозга и разработка математических моделей мемристоров. Наша исследовательская группа обладает обеими экспертизами на мировом уровне”, – отметил Стасенко.

В дальнейшем научный коллектив намерен подготовить новую модель для воплощения в электронном устройстве, а также продолжить исследования возможностей мемристоров в системах, имитирующих работу мозга.