研究人员以神经形态芯片打造超灵敏“电子鼻”

英特尔(Intel)和美国康乃尔大学(Cornell University)的研究人员连手开发一种灵敏的“电子鼻”(electronic nose)系统，它就像最先进的深度学习系统一样，能够准确地检测10种不同的化学物质，而只需进行少量的人工智能(AI)训练。

根据研究人员的实验证明，这种电子鼻系统可以利用神经形态运算的轻松/快速训练(“自学”)以及低功耗操作，还可能对于神经形态技术的潜在用例提出一些有趣的见解。

英特尔实验室(Intel Lab)神经形态运算小组资深研究科学家Nabil Imam展示英特尔Loihi神经形态测试芯片。Imam与来自英特尔和康乃尔大学的科学家团队正于计算机芯片上建立数学算法，以仿真大脑嗅觉系统闻到气味后的神经网络运作模式。
（来源：Walden Kirsch/Intel）

英特尔研究人员与康乃尔大学的嗅觉神经生理学家合作打造了一套仿真大脑嗅觉系统的新测试系统，采用英特尔的Loihi神经形态运算芯片，以处理来自化学传感器的一系列数据。研究团队开发基于神经科学的算法可以预测是否存在化学物质，例如氨、丙酮和甲烷等¬¬——这些化学物质与炸药、麻醉品和某些聚合物的前驱物有关。即使是存在许多其他气味的干扰情况下，该测试系统也能准确地“闻出”这些化学物质。

设置测试系统

研究人员先以每一种气味的单一样本来训练该测试系统，每个新的目标气味都不会影响该测试系统先前学会的气味侦测能力。相较于需要3,000个训练数据样本才能达到相同预测精度的最新深度学习系统，这种神经形态系统的训练更快得多，而且利用了硬件的低功耗特性。

康奈尔大学的科学家从研究动物的嗅觉系统着手。在动物(和人类)中，气味会在鼻子的嗅觉细胞中产生反应，并向大脑的嗅觉系统发送讯号；在大脑嗅觉系统中，一组相互连接的神经元内电子脉冲产生嗅觉。每一种嗅觉都会在大脑的神经元网络产生专属于该气味的特定感觉。测量这些电脉冲以及嗅觉系统的架构和动态性能，就是英特尔神经形态运算芯片的算法基础。

研究团队在其测试系统的硬件前端采用了72个化学传感器。每一次暴露10种测试气味之一，并测量其响应，将来自这10个样本的数据用于训练算法。接着将传感器数组安装在风洞中，使其暴露于各种混合的气味中，然后再封闭传感器，以证实系统的预测准确性。最终该芯片可成功地辨别经过训练的10种气味。

神经形态硬件

英特尔于2017年推出代号为Loihi的首款神经形态芯片。

大脑透过电脉冲(也称为棘波)传递信息，其时序功能调节神经元之间称为突触的连接强度。这些强度的调节类似于权重如何影响人工神经网络中的参数冲击。

英特尔的Loihi神经形态芯片包含13万个“神经元”和1.3亿个“突触”。此处显示Nahuku板上的16个Loihi芯片，连接至英特尔Arria 10 FPGA开发工具包。
（来源：Tim Herman/Intel）

Loihi芯片仿真此架构，因而较其他运算架构更快、更省电地处理某些类型的大脑启发式人工神经网络。由于该技术基于时序，因此该架构依赖于异步多核心网格，其中的每个“神经元”都可以直接与其他数千个神经元进行通讯。每个Loihi芯片上总共有130,000个“神经元”和1.3亿个“突触”。每个核心都可以在运作期间调整网络参数，以支持监督式与非监督式学习。

医疗与安全应用

长期以来，业界一直在寻找合适的技术，期望为各种应用实现低成本、快速、可携且可靠的电子鼻。

在实验中所使用的系统成功展示对公共健康有害的气味物质；这项功能还可用于安全和检查系统，例如机场与边境安全等。此外，还可以进行训练以辨识其他气味，用于智能家庭系统，例如烟雾探测器或一氧化碳探测器。

电子鼻在医疗设备中也发挥重要作用，因为某些医疗境中可能散发某种气味，而通常是人类嗅觉系统无法察觉到的。例如当今的电子鼻可以检测到某些癌症。

使用神经形态运算，可以建构比以前更小、更省电的电子鼻系统，从而使其用于小型可携式智能设备中。

未来的气味

这种神经形态电子鼻的未来版本可望解决更多问题，例如更有效区分几种类似的气味，或是针对同一类别中各种不同项目间存在显著差异的生物气味正确进行分类。这些问题将是下一阶段研究的重点。

未来，英特尔研究团队还计划将该嗅觉系统所采用的方法延伸用于其他生物系统(例如场景分析)，以解决更抽象的问题，如计划和决策等。

编译：Susan Hong   责编：Yvonne Geng

(参考原文：Brain-Inspired Chip Enables Efficient ‘Electronic Nose’，by Sally Ward-Foxton)