现在，美国西北大学的工程师开发了一种新的纳米电子设备，可以用最节能的方式执行精确的机器学习分类任务

快讯正文

现在，美国西北大学的工程师开发了一种新的纳米电子设备，可以用最节能的方式执行精确的机器学习分类任务。该设备使用的能量比现有技术少100倍，可以处理大量数据并实时执行AI任务，而无需将数据发送到云端进行分析。据称，该设备的面积小，功耗极低，并且没有接收分析的滞后时间，非常适合直接集成到可穿戴电子产品（如智能手表和健身追踪器）中，用于实时数据处理和近乎即时的诊断。为了测试这一概念，工程师们使用该设备对公开可用的心电图（ECG）数据集中的大量信息进行分类。该设备不仅能够有效、正确地识别不规则心跳，还能够从六种不同的类别中确定心律失常亚型，准确率接近95%。最新研究成果已于近期发表在了《自然电子学》杂志上。该研究论文资深作者、西北大学纳米技术专家MarkC.Hersam解释称，“今天，大多数传感器收集数据，然后将其发送到云端，在结果最终发送给用户之前，先在高能耗的服务器上进行分析。这种方法非常昂贵，且消耗大量能量，还增加了时间延迟。我们的设备非常节能，可以直接部署在可穿戴电子设备中进行实时检测和数据处理，从而更快地应对突发卫生事件。”研究人员设想，最终，这些纳米电子设备可以整合到日常可穿戴设备中，根据每个用户的健康状况进行个性化定制，以实现实时应用。它们将使人们能够在不消耗电力的情况下充分利用他们已经收集到的数据。