مهندسان در سال‌های تازه طیف گسترده‌ای از حسگرهای پیشرفته را برای نظارت با فناوری‌های رباتیک، قابل حمل، پوشیدنی و حتی کاشتنی گسترش داده‌اند. داده‌های جمع‌آوری‌شده توسط این حسگرها را می‌توان با منفعت گیری از یادگیری ماشینی پیشرفته تحلیل کرد و به دستگاه‌ها امکان داد تا صداهای خاص را در بین اصوات گوناگون و اشیای خاص را در تصاویر یا دیگر محرک‌های نزدیک تشخیص دهند.

به نقل از تک اکسپلور، پژوهشگران «دانشگاه کالیفرنیا لس‌آنجلس»(UCLA) اخیرا یک حسگر صوتی مایع ساخته‌اند که به پشتیبانی یادگیری ماشینی می‌تواند صداها را با دقت بالا حتی در محیط‌های پر سر و صدا تشخیص دهد. این حسگر با الهام از یک اندام دارای چربی ساخته شده است که در پیشانی تعداد بسیاری از گونه‌های نهنگ، از جمله دلفین‌ها و نهنگ‌های عنبر قرار دارد.

«جون چن»(Jun Chen) از پژوهشگران این پروژه او گفت: ما در پژوهش خود از بافت چربی واقع در پیشانی نهنگ سرخربزه‌ای الهام گرفته‌ایم. نهنگ سرخربزه‌ای، صداهای مورد منفعت گیری در پژواک را متمرکز و تعدیل می‌کند و ویژگی‌های آکوستیک بافت خود را با آب اطراف تطبیق می‌دهد تا صدا بتواند با حداقل اتلاف انرژی به حرکت درآید.

چن و همکارانش تصمیم گرفتند یک سیستم حسی امیدوارکننده ابداع کنند که کارکرد نهنگ سرخربزه‌ای را پیروی می‌کند. این حسگر می‌تواند به افت اتلاف انرژی و به حداقل رساندن نویز فرکانس پایین پشتیبانی کند، کارآیی را در جمع‌آوری داده‌های صوتی افزایش دهد و دقت حسگر را در تشخیص صداها بهبود ببخشد.

چن گفت: هوش مصنوعی یک نقش کلیدی را در سیستم حسی ما بر مسئولیت دارد و به‌ طور اختصاصی از تشخیص صدا حمایتمی‌کند. به لطف سیگنال‌های کم‌نویز ثبت‌شده توسط حسگر صوتی مایع، سیستم با حمایتاز الگوریتم‌های یادگیری عمیق به دقت بالایی در تشخیص دست می‌یابد.

این حسگر یک ساختار شبکه مغناطیسی سه‌بعدی و منشعب دارد که بر نانوذرات مغناطیسی نئودیمیم-آهن-بور مبتنی است. این نانوذرات که در یک سیال حامل معلق می باشند، در کل همانند یک آهن‌ربا حرکت می‌کنند.

حسگرهای آکوستیک معمولی، صداهای محیط اطراف خود را با تشخیص تحول شکل مواد و ارتعاشات ناشی از سختی صدا دریافت می‌کنند. اگرچه این سیستم می‌تواند در تعداد بسیاری از کاربردهای روزمره موثر باشد اما در شرایط پیچیده‌تر همانند زیر آب یا محیط‌های زیاد پر سر و صدا به همان اندازه خوب کار نمی‌کند.

چن او گفت: یکی از برجسته‌ترین دستاوردهای ما، معارفه مواد مایع تازه برای سنجش صوتی است که کارکرد زیاد خوبی از خود نشان داده‌اند. این حسگرها نه تنها به طور موثر در هوا کار می‌کنند، بلکه می‌توانند در محیط‌های زیر آب همانند اقیانوس‌ها نیز برای شناسایی حیوانات دریایی و کاربردهای دیگر منفعت گیری شوند.

او گفت: ما در پژوهش‌های بعدی خود، از هوش مصنوعی برای بهینه‌سازی مواد مایع درون حسگر منفعت گیری می کنیم و به آن امکان خواهیم داد تا به طور انتخابی، حذف نویز فعال را برای کاربردهای گسترده‌تر اعمال کند.

این پژوهش در مجله «Nature Electronics» به چاپ رسید.