
忘记云吧。美国西北大学的工程师们研发出了一种新型的纳米电子设备,能够以迄今为止最节能的方式进行准确的机器学习分类任务。该设备仅使用当前技术的百分之一的能量,就能够处理大量数据并在实时环境中执行人工智能任务,无需将数据发送到云端进行分析。
由于其占用空间小、超低功耗以及没有接收分析的延迟时间,该设备非常适合直接集成到可穿戴电子设备(如智能手表和健身追踪器)中,用于实时数据处理和几乎即时诊断。
为了测试这一概念,工程师们使用该设备对公开可用的心电图(ECG)数据集进行了大量信息分类。该设备不仅能够高效准确地识别心跳不齐,还能够在六个不同类别中几乎以95%的准确率确定心律失常亚型。
这项名为《用于个性化支持向量机分类的可重构混合内结异质晶体管》的研究于10月12日发表在《自然电子学》杂志上。
研究的资深作者、西北大学的Mark C. Hersam表示:“如今,大多数传感器收集数据然后将其发送到云端,在能量消耗巨大的服务器上进行分析,最后将结果返回给用户。这种方法非常昂贵,消耗大量能源,并增加时间延迟。我们的设备非常节能,可以直接应用于可穿戴电子设备进行实时检测和数据处理,加快对健康紧急情况的干预。”









