الگوریتم Spi-Fly که کوین مکس و یانگ شن از مؤسسهٔ علوم و فناوری اوکیناوا توسعه داده‌اند، عملکرد حافظهٔ بویایی مگس میوه را الگوبرداری کرده و توانسته هم‌زمان بوهای گذشته را حفظ و بوهای جدید را یاد بگیرد. این ویژگی دربارهٔ حسگرهای بویایی کم‌مصرف و ارزان اهمیت زیادی دارد، زیرا بسیاری از «بینی‌های الکترونیکی» صنعتی هنگام یادگیری بوهای جدید به مرور، بوهای قبلی را فراموش می‌کنند. تشریح فنی Spi-Fly در مجلهٔ Neuromorphic Computing and Engineering منتشر شده است.

چرا بویایی با بینایی و شنوایی متفاوت است

بینایی و شنوایی معمولاً به طول موج یا فرکانس قابل تقلیل‌اند، اما بوها چندبعدی و ترکیبی هستند. گیرنده‌های بویایی از خانواده‌های مختلفی تشکیل شده‌اند که هر یک به ویژگی‌های مولکولی خاص واکنش نشان می‌دهند؛ ترکیب این واکنش‌ها معنای یک بو را می‌سازد. کشف خانوادهٔ ژن‌های گیرندهٔ بویایی که به درک این پیچیدگی کمک کرد، زمینه‌ساز دریافت جایزهٔ نوبل برای لین دا باک و ریچارد اکسل شد.

ضعف اصلی بینی‌های الکترونیکی

بینی‌های الکترونیکی موجود، مانند دستگاه‌هایی که شرکت‌هایی همچون Alpha MOS، Aryballe و Odotech تولید می‌کنند، برای کنترل کیفیت و پایش محیطی مفیدند اما دو مشکل عمده دارند: هزینهٔ بالا و پدیدهٔ «فراموشی فاجعه‌بار». در این پدیده، پس از اضافه شدن نمونه‌های جدید، توانایی تشخیص نمونه‌های قبلی کاهش می‌یابد. اطلاعات کلی دربارهٔ این فناوری را می‌توان در صفحهٔ بینی الکترونیکی یافت.

الگوریتم Spi-Fly چگونه عمل می‌کند

Spi-Fly از اصول محاسبات نورومورفیک و شبیه‌سازی فعالیت نورون‌های اسپایکینگ بهره می‌برد تا الگوهای بویایی را ثبت و نگهدارد. این الگوریتم با توزیع بهتر نمایهٔ اطلاعات و نگاشت ترکیبی گیرنده‌ها امکان یادگیری پیوسته بدون از دست دادن حافظهٔ قبلی را فراهم می‌کند. خلاصهٔ سازوکار Spi-Fly:

  • کدگذاری مبتنی بر اسپایک برای نمایه‌سازی قوی‌تر ویژگی‌های بویایی.
  • نگاشت ترکیبی گیرنده‌ها به نمایش‌های توزیع‌شده که همپوشانی مزاحم را کاهش می‌دهد.
  • به‌روزرسانی‌های پیوسته که حافظهٔ قبلی را بدون بازنویسی کامل حفظ می‌کنند.

برای مرجع زیستی دربارهٔ مگس میوه و مدار بویایی آن می‌توان به صفحهٔ Drosophila مراجعه کرد.

نمای میکروسکوپی ساختار بویایی مگس میوه

کاربردهای عملی

  • کنترل کیفیت مواد غذایی: دنبال کردن الگوهای فساد و تغییر طعم با حافظهٔ بلندمدت.
  • پایش زیست‌محیطی: شناسایی و ردیابی آلودگی‌های بویایی در زمان واقعی.
  • امنیت و تشخیص تهدید: تشخیص قابل‌اعتماد مواد منفجره یا سموم در محیط‌های متغیر.
  • گجت‌های مصرفی و پزشکی: توسعهٔ حسگرهای ارزان و کم‌مصرف برای کاربردهای خانگی و بالینی.

محدودیت‌ها و مسائل باز

با وجود نتایج اولیهٔ مثبت، چالش‌هایی باقی است: تعمیم به فضای مولکولی بسیار بزرگ‌تر، حفظ پایداری در شرایط محیطی متنوع و پیاده‌سازی سخت‌افزاری در مقیاس پایین. نیاز به ارزیابی میدانی مستقل برای سنجش مقاومت الگوریتم در برابر نویز و تغییرات طولانی‌مدت نیز وجود دارد.

چشم‌انداز و گام‌های بعدی

الگوریتم‌هایی مانند Spi-Fly نشان می‌دهند که الگوبرداری از مدارهای زیستی می‌تواند محدودیت‌های فناوری فعلی را کاهش دهد. ترکیب این رویکردها با پیشرفت‌های سخت‌افزار نورومورفیک احتمالاً حسگرهای بویایی جدیدی پدید خواهد آورد که دقیق‌تر، پایدارتر و اقتصادی‌تر هستند؛ نیازهایی که صنایع غذایی، محیط‌زیست و امنیت به آن‌ها دارند.

مأخذ: مقالهٔ منتشرشده در مجلهٔ Neuromorphic Computing and Engineering و منابع عمومی دربارهٔ بویایی و بینی‌های الکترونیکی.