Connect with us

science

Technologie d'IA inspirée de la mouche papillon

Published

on

Technologie d'IA inspirée de la mouche papillon

Cet article a été révisé selon Science Processus d'édition
Et Stratégies.
Éditeurs Les fonctionnalités suivantes ont été mises en avant tout en garantissant la crédibilité du contenu :

Vérification des faits

Publication évaluée par des pairs

source fiable

Relecture

Intégration optochimique inspirée du papillon. A) Abstraction simplifiée des stimuli visuels et chimiques chez les papillons mâles et de la voie d'intégration visuo-chimique chez les papillons femelles. b) Dispositifs neuronaux inspirés des papillons composés de MoS monocouche2 Neurones afférents visuels basés sur des transistors, neurones chimiorécepteurs basés sur le graphène et MoS2 Circuits de couplage de simulation neuronale basés sur des transistors. crédit: Matériaux avancés (2023). est ce que je: 10.1002/adma.202307380

× Fermer

Intégration optochimique inspirée du papillon. A) Abstraction simplifiée des stimuli visuels et chimiques chez les papillons mâles et de la voie d'intégration visuo-chimique chez les papillons femelles. b) Dispositifs neuronaux inspirés des papillons composés de MoS monocouche2 Neurones afférents visuels basés sur des transistors, neurones chimiorécepteurs basés sur le graphène et MoS2 Circuits de couplage de simulation neuronale basés sur des transistors. crédit: Matériaux avancés (2023). est ce que je: 10.1002/adma.202307380

Lorsqu'il s'agit d'accouplement, deux choses sont importantes pour les papillons Heliconius : l'apparence et l'odeur de leur partenaire potentiel. Les papillons noirs et orange ont un cerveau incroyablement petit, mais ils doivent traiter les deux entrées sensorielles en même temps, ce qui est plus que ce que les techniques d'IA actuelles peuvent réaliser sans consommation d'énergie importante.

Pour rendre l’IA aussi intelligente que les papillons, une équipe de chercheurs de Penn State a créé une plateforme d’IA multisensorielle plus avancée et utilisant moins d’énergie que les autres technologies d’IA.

Les techniques actuelles d’IA ne parviennent souvent pas à imiter les processus décisionnels multisensoriels utilisés par les humains et les animaux, ont indiqué les chercheurs. Cela pourrait limiter la possibilité d’utiliser l’IA dans des robots et des capteurs intelligents qui détectent des dangers tels que des structures défectueuses ou des fuites chimiques imminentes.

« Si vous pensez à l'intelligence artificielle dont nous disposons aujourd'hui, nous disposons de très bons processeurs d'images qui s'appuient sur des processeurs visuels ou d'excellents processeurs de langage qui utilisent la voix », a déclaré Saptarshi Das, professeur agrégé de sciences de l'ingénierie et de mécanique et auteur correspondant de l'étude. publié dans Matériaux avancés.

READ  Les collisions d'étoiles à neutrons repoussent les limites de la physique extrême

« Mais quand on pense à la plupart des animaux ainsi qu'aux humains, la prise de décision repose sur plus d'un sens. Bien que l'IA fonctionne bien avec une seule entrée sensorielle, la prise de décision multisensorielle ne se produit pas avec l'IA actuelle. »

Les papillons Heliconius choisissent un partenaire via un signal visuel simultané (constatant que le motif des ailes du partenaire potentiel est en fait celui du papillon Heliconius) et un signal chimique provenant des phéromones libérées par l'autre papillon. Il est à noter que le papillon y parvient grâce à un petit cerveau qui utilise un minimum d'énergie, a déclaré Das. Cela contraste directement avec l’informatique moderne, qui consomme une grande quantité d’énergie.

« Les cerveaux des papillons et de nombreux autres animaux sont très petits et utilisent de faibles quantités de ressources, à la fois en termes d'énergie utilisée et de taille physique du cerveau », a déclaré Das. « Cependant, ils effectuent des tâches arithmétiques qui reposent simultanément sur plusieurs entrées sensorielles. »

Pour simuler électroniquement ce comportement, les chercheurs se sont tournés vers une solution potentielle impliquant des matériaux 2D, d’une épaisseur de un à quelques atomes. Les chercheurs ont développé une plateforme de dispositifs composée de deux matériaux 2D, le sulfure de molybdène (MoS).2) et du graphène.

ministère de Commerce2 Une partie de la plate-forme matérielle est un bus mémoire, un dispositif électronique capable d'effectuer des opérations de mémoire et d'informations. Les chercheurs ont choisi MoS2 Pour ses capacités de détection de la lumière, qui imitent les capacités visuelles d'un papillon.

READ  Les astronomes parcourent les archives du télescope et trouvent une rafale d'une microseconde

La partie graphène de l'appareil est un transistor chimique capable de détecter des molécules chimiques et d'imiter la détection d'une phéromone dans le cerveau d'un papillon.

« Le signal visuel et le signal chimique de la phéromone déterminent si la femelle papillon s'accouplera ou non avec le papillon mâle », a déclaré le co-auteur Subir Ghosh, étudiant en deuxième année de doctorat en ingénierie et sciences mécaniques.

« Nous avons donc eu une idée inspirée par cela, en réfléchissant à la manière dont nous pouvons obtenir des matériaux 2D dotés de ces capacités. »2 Le graphène chimiquement actif peut être combiné pour créer une plate-forme optochimique intégrée pour l'intelligence artificielle et l'informatique neuronale.

Les chercheurs ont testé leur appareil en exposant le capteur bi-matériau à différentes lumières colorées, en simulant des signaux visuels et en appliquant des solutions avec différentes compositions chimiques qui ressemblent aux phéromones libérées par les papillons de nuit.

L'objectif était de voir dans quelle mesure leur capteur pouvait intégrer les informations provenant à la fois d'un photodétecteur et d'un capteur chimique, de la même manière que le succès de l'accouplement d'un papillon dépend de la correspondance de la couleur des ailes et de la force des phéromones.

En mesurant la réponse de sortie, les chercheurs ont déterminé que leur appareil pouvait intégrer de manière transparente des signaux optiques et chimiques. Ils ont déclaré que cela mettait en évidence la capacité de leurs capteurs à traiter et interpréter simultanément divers types d’informations.

« Nous avons également introduit l'adaptabilité dans nos circuits de capteurs, de sorte qu'un signal puisse jouer un rôle plus important qu'un autre », a déclaré Yikai Zheng, doctorant de quatrième année en sciences de l'ingénieur et mécanique et co-auteur de l'étude. « Cette adaptabilité est similaire à la façon dont une femelle papillon ajuste son comportement d'accouplement en réponse à différents scénarios dans la nature. »

READ  Regardez la fusée SpaceX lancer sa 15e mission samedi

Les chercheurs ont déclaré que la double détection dans un seul appareil est également plus économe en énergie que le fonctionnement actuel des systèmes d’IA. Ils collectent les données de différents modules de capteurs puis les transmettent à l'unité de traitement, ce qui peut entraîner des retards et une consommation d'énergie excessive.

Ensuite, les chercheurs ont déclaré qu'ils prévoyaient d'incorporer deux sens dans leur appareil à trois, imitant la façon dont les homards utilisent des signaux visuels, tactiles et chimiques pour détecter leurs proies et leurs prédateurs. L’objectif est de développer des dispositifs d’IA capables de gérer des scénarios décisionnels complexes dans divers environnements.

« Nous pourrions avoir des systèmes de capteurs dans des endroits comme une centrale électrique, qui détecteraient des problèmes potentiels tels que des fuites ou des systèmes défaillants sur la base de plusieurs signaux sensoriels », a déclaré Ghosh. « Comme une odeur chimique, un changement de vibration ou la détection visuelle des points faibles. Cela aiderait mieux le système et les employés à identifier rapidement ce qu'ils devaient faire pour résoudre le problème, car cela ne reposait pas uniquement sur un sens, mais sur plusieurs sens. »

Plus d'information:
Yicai Zeng et al., Plateforme neuronale multisensorielle inspirée du papillon pour l'intégration de signaux visuels et chimiques, Matériaux avancés (2023). est ce que je: 10.1002/adma.202307380

Informations sur les magazines :
Matériaux avancés


Continue Reading
Click to comment

Leave a Reply

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

science

Mission BioSentinel Deep Space – Astrobiologie

Published

on

Mission BioSentinel Deep Space – Astrobiologie

La carte microfluidique de BioSentinel, conçue au centre de recherche Ames de la NASA dans la Silicon Valley, en Californie, sera utilisée pour étudier l’effet du rayonnement spatial interplanétaire sur la levure. Une fois en orbite, la croissance et l’activité métabolique de la levure seront mesurées à l’aide d’un système de détection à LED tricolore et d’un colorant permettant de lire l’activité des cellules de levure. Ici, les puits roses contiennent des cellules de levure en croissance active qui ont fait passer le colorant du bleu au rose. NASA/Dominic Hart – NASA

BioSentinel a été lancé en tant que charge utile secondaire à bord de la mission Artemis I du système de lancement spatial (SLS) le 16 novembre 2022 et est actuellement en orbite solaire à environ 36 millions de kilomètres de la Terre (au 1er avril 2024).

Le projet BioSentinel s’appuie et améliore un riche héritage de technologies biologiques CubeSat. Les progrès itératifs des CubeSats biologiques permettent un leadership scientifique, donnent un aperçu des risques biologiques des vols spatiaux de longue durée et ouvrent des possibilités passionnantes pour les sciences de la vie innovantes et l’exploration humaine de l’espace lointain.

Assemblage de la charge utile sur une fusée Ares 1 SLS — NASA

À ce jour, le centre de recherche Ames a développé et exploité une série de CubeSats biologiques en orbite terrestre basse. BioSentinel s’appuie sur l’héritage de PharmaSat, O/OREOS et EcAMSat et constitue le premier CubeSats biologique de la NASA destiné à l’exploration spatiale interplanétaire.

La mission BioSentinel a deux objectifs principaux : (1) développer la capacité de soutenir les organismes biologiques dans l’espace planétaire profond et (2) déterminer l’environnement radiologique de l’espace lointain et ses effets sur les organismes biologiques.

READ  Le tremblement de terre massif qui a secoué Mars est cinq fois plus puissant que tout autre tremblement de terre

Le satellite BioSentinel se compose de deux sections, dont l’une contient les charges utiles scientifiques et un bus de vaisseau spatial équipé d’ensembles de panneaux solaires, de batteries, d’un système de propulsion de précision, d’un système de navigation de suivi des étoiles, d’un émetteur-récepteur, d’antennes et de systèmes d’entraînement et de traitement de données. . Les deux charges utiles sont un dispositif BioSensor microfluidique et un détecteur de rayonnement.

Le BioSensor transporte la levure naissante S. cerevisiae pour analyser les réponses biologiques aux doses accumulées de rayonnement dans l’espace lointain. Bien que plus d’un milliard d’années d’évolution séparent la levure de l’humain, nous partageons des centaines de gènes homologues qui régissent les processus cellulaires fondamentaux, notamment les dommages et la réparation de l’ADN.

Les cellules de levure sont chargées et séchées à l’intérieur de cartes microfluidiques (18 cartes contenant chacune 16 micropuits). Chaque carte microfluidique se compose de canaux microfluidiques pour permettre aux nutriments d’entrer et aux déchets de sortir, ainsi que d’éléments chauffants pour permettre la croissance des levures. Chaque pont contient également une source optique et des panneaux révélateurs. Les piles de cartes sont montées sur deux collecteurs microfluidiques (neuf cartes par collecteur) connectés à des tubes, des sacs de réactifs, des pompes, des pièges à bulles, des cellules d’étalonnage et des composants électroniques, le tout s’insérant dans le boîtier en aluminium du biocapteur. Un dispositif BioSensor identique a été lancé vers la Station spatiale internationale en décembre 2021 et est revenu sur Terre en août 2022.

La deuxième charge utile scientifique est un spectromètre de rayonnement basé sur TimePix, qui permettra de relier la dosimétrie physique in situ à la réponse biologique aux rayonnements. Ce spectromètre mesure à la fois le transfert d’énergie linéaire (LET) et la dose ionisante totale d’exposition aux rayonnements. Le projet BioSentinel a été principalement soutenu par la Direction du développement des systèmes d’exploration (ESDMD) de la NASA.

READ  Les physiciens ont établi un nouveau record avec le chat de Schrödinger le plus lourd à ce jour : ScienceAlert

Pour plus d’informations, voir Page de la mission BioSentinel

astrobiologie, astrobiologie,

Continue Reading

science

Dévoilement des lunes cachées de la Voie Lactée

Published

on

Dévoilement des lunes cachées de la Voie Lactée

L’emplacement d’une galaxie naine nouvellement découverte (la galaxie Vierge III) dans la constellation de la Vierge (à gauche) et de ses étoiles membres (à droite ; celles entourées en blanc). Les étoiles membres sont centrées dans la ligne pointillée dans le panneau de droite. Droits d’auteur : NAOJ/Université du Tohoku

Des chercheurs ont découvert deux nouvelles galaxies satellites Voie Lactée Grâce au télescope Subaru, un plus grand nombre de satellites ont été observés qu’on ne le pensait auparavant, indiquant un passage d’un déficit à un excédent du nombre attendu de galaxies.

Depuis des années, les astronomes se demandent comment expliquer pourquoi il y a moins de galaxies lunaires dans la Voie lactée que ne le prédit le modèle standard de matière noire. C’est ce qu’on appelle le « problème des lunes manquantes ». Pour nous rapprocher de la résolution de ce problème, une équipe internationale de chercheurs a utilisé les données du programme stratégique Subaru (SSP) Hyper Suprime-Cam (HSC) pour découvrir deux toutes nouvelles galaxies lunaires.

Ces résultats ont été récemment publiés dans Publications de la Société Astronomique Japonaise Par une équipe de chercheurs du Japon, de Taiwan et d’Amérique.

Le rôle des galaxies lunaires dans la compréhension de la matière noire

Nous vivons dans une galaxie appelée Voie lactée, autour de laquelle gravitent d’autres galaxies plus petites appelées galaxies lunaires. L’étude de ces galaxies lunaires pourrait aider les chercheurs à percer les mystères entourant la matière noire et à mieux comprendre comment les galaxies évoluent au fil du temps.

« Combien de galaxies compte la Voie lactée ? C’est une question importante pour les astronomes depuis des décennies », explique Masahi Chiba, professeur à l’Université du Tohoku.

Galaxies lunaires autour de la Voie Lactée

Galaxies lunaires autour de la Voie Lactée. Le plan du disque galactique se situe sur le plan horizontal. Les carrés bleus représentent les Grands et Petits Nuages ​​de Magellan, et les cercles rouges représentent d’autres galaxies satellites. Plus sa taille optique absolue est faible, plus la taille du point est petite. Droits d’auteur : NAOJ/Université du Tohoku

Découvertes de galaxies naines grâce au télescope Subaru

L’équipe de recherche a réalisé la possibilité de l’existence de nombreuses petites galaxies non découvertes (galaxies naines), lointaines et difficiles à détecter. La puissante puissance du télescope Subaru – situé sur une montagne isolée au-dessus des nuages ​​à Hawaï – est bien adaptée à la recherche de ces galaxies. En fait, cette équipe de recherche a déjà découvert trois nouvelles galaxies naines à l’aide du télescope Subaru.

READ  Les physiciens ont établi un nouveau record avec le chat de Schrödinger le plus lourd à ce jour : ScienceAlert

L’équipe a désormais découvert deux nouvelles galaxies naines supplémentaires (Virgin III et Sextan II). Avec cette découverte, le nombre total de galaxies satellites découvertes par différentes équipes de recherche a atteint neuf galaxies. Ce nombre est encore bien inférieur aux 220 galaxies satellites prédites par la théorie standard de la matière noire.

Zone surveillée par HSC-SSP

Zone surveillée par HSC-SSP (zone entourée de lignes rouges). Les galaxies lunaires précédemment connues sont indiquées par des carrés noirs, et les galaxies lunaires nouvellement découvertes sont indiquées par des triangles blancs et des étoiles. Droits d’auteur : NAOJ/Université du Tohoku

La perspective changeante sur le nombre de galaxies spatiales

Mais la signature HSC-SSP ne couvre pas l’intégralité de la Voie Lactée. Si la répartition de ces neuf galaxies satellites sur l’ensemble de la Voie Lactée est similaire à celle trouvée dans la signature capturée par HSC-SSP, l’équipe de recherche calcule qu’il pourrait en fait y avoir près de 500 galaxies satellites. Nous sommes désormais confrontés au « problème du trop grand nombre de satellites » et non au « problème des satellites manquants ».

Pour mieux déterminer le nombre réel de galaxies lunaires, davantage d’imagerie et d’analyses à haute résolution sont nécessaires. « La prochaine étape consiste à utiliser un télescope plus puissant qui capture une vue plus large du ciel », explique Chiba. « L’année prochaine, l’observatoire Vera C. Rubin au Chili sera utilisé à cette fin. J’espère que de nombreuses nouvelles galaxies lunaires seront utilisées. sera découvert. »

Référence : « Résultats finaux de la recherche de nouveaux satellites de la Voie lactée dans l’enquête sur le programme stratégique Hyper Suprime-Cam Subaru : découverte d’autres candidats » par Daisuke Homma, Masashi Chiba, Yutaka Komiyama, Masayuki Tanaka, Sakurako Okamoto, Mikito Tanaka, Miho N Ishigaki et Kohei Hayashi, Nobuo Arimoto, Robert H. Lupton, Michael A. Strauss, Satoshi Miyazaki, Xiangyu Wang et Hitoshi Murayama, 8 juin 2024, Publications de la Société Astronomique Japonaise.
DOI : 10.1093/pasj/psae044

READ  La vidéo met en perspective jusqu'où la caméra James Webb peut voir

Continue Reading

science

Le rover Curiosity de la NASA a accidentellement découvert des cristaux de soufre pur sur Mars

Published

on

Le rover Curiosity de la NASA a accidentellement découvert des cristaux de soufre pur sur Mars

Des scientifiques de la NASA affirment que du soufre pur a été découvert sur Mars pour la première fois après que le rover Curiosity ait accidentellement découvert un amas de cristaux jaunes lors de son passage au-dessus d’un rocher. La zone semble pleine de soufre. C’est une découverte inattendue : alors que des minéraux contenant du soufre ont été observés sur la planète rouge, le soufre élémentaire n’a jamais été observé seul auparavant. « Le soufre ne se forme que dans une gamme étroite de conditions que les scientifiques n’ont pas liées à l’histoire de ce site », ont déclaré les scientifiques de la NASA. .

Le rover Curiosity a réussi à fendre la roche le 30 mai alors qu’il traversait une zone connue sous le nom de canal Gedes Valles, où des roches similaires ont été vues partout. On pense que le canal a été creusé il y a longtemps par l’eau et les coulées de débris. « Trouver un champ de pierres faites de soufre pur, c’est comme trouver une oasis dans le désert », a déclaré Ashwin Vasavada, scientifique du projet Curiosity. « Il ne devrait pas être là, alors maintenant nous devons l’expliquer. C’est la découverte de choses étranges et inattendues. rend l’exploration planétaire extrêmement passionnante.

Une roche sur laquelle Curiosity est passée s'est fissurée, révélant des cristaux de soufre jaunes

Programme NASA/JPL/Caltech/Cyberscience et sécurité

Après avoir repéré les cristaux jaunes, l’équipe a ensuite utilisé une caméra montée sur le bras robotique de Curiosity pour les examiner de plus près. Le rover a ensuite échantillonné une autre roche à proximité, où les morceaux de roche qu’il a brisés étaient trop fragiles pour être forés. Le rover Curiosity est équipé d’instruments qui lui permettent d’analyser la composition des roches et du sol, et la NASA affirme que le spectromètre à rayons X de particules alpha (APXS) a confirmé qu’il avait trouvé du soufre élémentaire.

READ  Galaxy aide les astronomes à mesurer la taille de l'univers
Continue Reading

Trending

Copyright © 2023