从创建图像、生成文本到自动驾驶汽车，人工智能 (AI) 的潜在用途是巨大且具有变革性的。然而，所有这些功能的代价是非常高的能源成本。例如，据估计，训练 OPEN AI 流行的 GPT-3 模型消耗的电量超过 1,287 MWh，足以供应美国普通家庭 120 年的电量。这种能源成本构成了巨大的障碍，特别是对于在健康监测等大规模应用中使用人工智能而言，其中大量关键健康信息被发送到集中式数据中心进行处理。这不仅消耗大量能源，而且还引发了对可持续性、带宽过载和通信延迟的担忧。

实现基于人工智能的健康监测和生物诊断需要一个独立的传感器，该传感器可以独立运行，无需持续连接到中央服务器。同时，传感器必须具有低功耗以供长时间使用，应能够处理快速变化的生物信号以进行实时监测，足够灵活以舒适地附着在人体上，并且易于制造和安装由于卫生原因需要经常更换，请丢弃。

考虑到这些标准，东京理科大学 (TUS) 副教授 Takashi Ikuno 领导的研究人员开发了一种灵活的纸质传感器，其运行方式类似于人脑。他们的研究结果于 2024 年 2 月 22 日在线发表在《先进电子材料》 杂志上。

“开发了一种由纳米纤维素和氧化锌组成的纸基光电突触装置，用于实现物理储层计算。该设备在适合健康监测的时间尺度上展示突触行为和认知任务，” Ikuno 博士说。

在人脑中，信息通过突触在神经元网络之间传播。每个神经元都可以独立处理信息，使大脑能够同时处理多个任务。与传统计算系统相比，这种并行处理能力使大脑更加高效。为了模仿这种能力，研究人员制造了一种光电人工突触装置，该装置由位于氧化锌 (ZnO) 纳米颗粒和纤维素纳米纤维 (CNF) 组成的 10 µm 透明薄膜顶部的金电极组成。

透明薄膜有三个主要用途。首先，它允许光通过，使其能够处理代表各种生物信息的光输入信号。其次，纤维素纳米纤维具有柔韧性，并且可以通过焚烧轻松处理。第三，ZnO纳米粒子具有光响应性，当暴露于脉冲紫外光和恒定电压时会产生光电流。这种光电流模仿人脑突触传输的响应，使设备能够解释和处理从光学传感器接收到的生物信息。

值得注意的是，该薄膜能够区分 4 位输入光脉冲，并响应时间序列光输入生成不同的电流，响应时间约为亚秒级。这种快速响应对于检测健康相关信号的突然变化或异常至关重要。此外，当暴露于两个连续的光脉冲时，第二个脉冲的电流响应更强。这种被称为后增强促进的行为有助于大脑中的短期记忆过程，并增强突触检测和响应熟悉模式的能力。

为了测试这一点，研究人员将 MNIST 图像(手写数字数据集)转换为 4 位光脉冲。然后他们用这些脉冲照射薄膜并测量电流响应。使用这些数据作为输入，神经网络能够识别手写数字，准确率为 88%。

值得注意的是，即使该设备被反复弯曲和拉伸 1000 次，这种手写数字识别能力仍然不受影响，证明了其坚固性和重复使用的可行性。Ikuno 博士总结道：“这项研究凸显了将半导体纳米粒子嵌入柔性 CNF 薄膜中作为 PRC 柔性突触装置的潜力。”