Robotica en fysieke AI
Baanbrekende biomimetische olfactorische chips gebruiken AI om robots te laten ruiken
De ontwikkeling van kunstmatige olfactorische sensoren is een langdurige uitdaging geweest voor onderzoekers wereldwijd. Het creëren van elektronische neuzen (e-neuzen) die complexe geurmixtures effectief kunnen onderscheiden, vergelijkbaar met het biologische olfactorische systeem, is moeilijk gebleken vanwege problemen met miniaturisatie en herkenningscapaciteiten. Echter, een onderzoeksteam onder leiding van prof. FAN Zhiyong van de Hong Kong University of Science and Technology (HKUST) heeft een significante doorbraak behaald in dit veld met hun nieuw ontwikkelde biomimetische olfactorische chips (BOC).
Biomimetische Olfactorische Chips (BOC)
De biomimetische olfactorische chips, of BOC’s, ontwikkeld door prof. Fan’s team, zijn een baanbrekende uitvinding op het gebied van kunstmatige reukdetectie. Deze kleine chips zijn ontworpen om de manier waarop mensen en dieren geuren detecteren, na te bootsen, waardoor ze meer accurate en efficiënt zijn dan voorgaande kunstmatige olfactorische systemen.
Elke BOC bevat tot 10.000 kleine gassensoren, die zijn gerangschikt op een manier die sterk lijkt op het biologische olfactorische systeem. Dit unieke ontwerp stelt de chip in staat om een breed scala aan geuren te detecteren en te onderscheiden, zelfs wanneer ze zijn gemengd in complexe combinaties.
Een van de belangrijkste kenmerken van de BOC is het gebruik van een speciaal materiaal dat varieert over de chip. Dit gradiëntontwerp maakt het mogelijk om veel verschillende soorten sensoren op één chip te integreren, waardoor het mogelijk is om een breed scala aan geuren te detecteren terwijl de chip klein en compact blijft.
De gassensoren die in de BOC worden gebruikt, zijn uiterst gevoelig en kunnen zelfs de kleinste sporen van verschillende gassen en vluchtige organische verbindingen (VOC’s) detecteren. Deze sensoren zijn gebouwd op een substraat met kleine poriën, die een grote oppervlakte bieden voor de gassen om mee te interacteren, waardoor de gevoeligheid en responstijd van de chip worden verbeterd.
Door deze geavanceerde sensortechnologie te combineren met kunstmatige intelligentie-algoritmes, kan de BOC de gegevens van de gassensoren verwerken en interpreteren, waardoor het mogelijk is om geuren te identificeren en te onderscheiden met opmerkelijke nauwkeurigheid.

Afbeelding: HKUST
Overwinning van uitdagingen in kunstmatige olfactie
Het ontwikkelen van kunstmatige olfactorische systemen is een moeilijke taak voor onderzoekers vanwege verschillende belangrijke obstakels. Een van de belangrijkste moeilijkheden is het miniaturiseren van het systeem terwijl de effectiviteit wordt behouden. Traditionele e-neuzen vereisen vaak omvangrijke apparatuur, waardoor ze onpraktisch zijn voor veel toepassingen. De biomimetische olfactorische chips ontwikkeld door prof. Fan’s team lossen dit probleem op door een groot aantal gassensoren op één compacte chip te integreren.
Een andere significante uitdaging in kunstmatige olfactie is het verhogen van de herkenningscapaciteiten van het systeem, vooral bij het omgaan met complexe geurmengsels. In real-world scenario’s bestaan geuren vaak uit meerdere gassen en vluchtige organische verbindingen, waardoor het moeilijk is voor conventionele e-neuzen om elk onderdeel nauwkeurig te identificeren en te kwantificeren.
Door geavanceerde nanotechnologie en kunstmatige intelligentie te gebruiken, kunnen de biomimetische olfactorische chips de gegevens van de gassensoren effectiever verwerken en interpreteren dan traditionele e-neuzen. Het gebruik van machine learning-algoritmes stelt de BOC in staat om van eerdere ervaringen te leren en de geurherkenning te verbeteren met de tijd. Deze aanpasbaarheid maakt de BOC een krachtig instrument voor verschillende industrieën, aangezien het kan worden aangepast om specifieke geuren te detecteren en te identificeren die relevant zijn voor elke toepassing.
Uitzonderlijke prestaties en toepassingen
In een opmerkelijke demonstratie integreerden de onderzoekers de olfactorische chips met visuele sensoren op een robotdog, waardoor een gecombineerd olfactorisch en visueel systeem ontstond. Deze unieke setup stelde de robot in staat om objecten in blind boxes nauwkeurig te identificeren, waardoor de mogelijkheid werd aangetoond om de BOC te integreren met andere sensortechnologieën om meer geavanceerde en capabele intelligente systemen te creëren.

Afbeelding: HKUST
De toepassingen voor de biomimetische olfactorische chips zijn uitgebreid en omvatten meerdere industrieën. In de voedingsindustrie kan de BOC worden gebruikt voor kwaliteitscontrole, het detecteren van bederf en het waarborgen van voedselveiligheid. Milieumonitoring is een ander belangrijk toepassingsgebied, waarin de chips kunnen worden gebruikt om schadelijke gassen, verontreinigende stoffen en andere luchtverontreinigende stoffen te detecteren.
De medische sector kan ook profiteren van de BOC-technologie, aangezien de chips kunnen worden gebruikt om ziektes te diagnosticeren door specifieke vluchtige organische verbindingen (VOC’s) in een patiënt’s adem of lichaamsvloeistoffen te detecteren. Deze niet-invasieve diagnostische methode kan mogelijk leiden tot een eerder detectie en behandeling van verschillende ziektes.
In industriële omgevingen kunnen de biomimetische olfactorische chips worden gebruikt om processen te monitoren en te controleren, waardoor de veiligheid en kwaliteit van producten worden gewaarborgd. De chips kunnen gaslekkages detecteren, emissies monitoren en potentieel gevaarlijke situaties in real-time identificeren, waardoor snelle reacties en preventieve maatregelen mogelijk worden.
De uitzonderlijke prestaties en brede toepassingen van de biomimetische olfactorische chips demonstreren hun potentieel om verschillende industrieën te revolutioneren. Naarmate de technologie verder ontwikkelt, wordt verwacht dat de BOC nog meer toepassingen zal vinden in verschillende sectoren, waardoor de veiligheid, efficiëntie en kwaliteitscontrole in tal van processen worden verbeterd.












