به گزارش خبرگزاری ایمنا و به نقل از واشنگتون پست، صنعت غذا و نوشیدنی دهه‌هاست که به دنبال روشی خودکار برای تست طعم محصولات در سرعت و مقیاس تولید انبوه است. یک مطالعه پیشگامانه که در مجله Nature منتشر شده، با ترکیب ترانزیستورهای حساس به یون (ISFET) و یادگیری ماشین، گامی بزرگ به سوی تحقق این هدف برداشته است.

ترانزیستورهای ISFET حسگرهای شیمیایی هستند که تغییرات جریان الکتریکی را هنگامی که یون‌های موجود در یک مایع با یک صفحه رسانا تعامل می‌کنند، تشخیص می‌دهند. این تغییرات با ترکیب شیمیایی مایع مرتبط هستند و به دانشمندان اجازه می‌دهند تا داده‌های شیمیایی را به سیگنال‌های الکتریکی تبدیل کنند. این ویژگی ISFETها را برای ارزیابی عواملی همچون آلودگی و تازگی در نوشیدنی‌ها ایده‌آل می‌کند.

با این حال، ISFETهای سنتی با چالش‌هایی مانند ناسازگاری در خوانش‌ها به دلیل تفاوت بین حسگرها و عوامل محیطی همچون دما و رطوبت مواجه بوده‌اند. برای غلبه بر این محدودیت‌ها، تیمی به رهبری ساپتارشی داس، مهندس دانشگاه ایالتی پنسیلوانیا، ISFETها را با شبکه‌های عصبی ترکیب کردند. آنها یک الگوریتم یادگیری ماشین را آموزش دادند تا نوشیدنی‌ها را بر اساس داده‌های حسگرها طبقه‌بندی کند. این سیستم می‌تواند بین برندها تفاوت قائل شود، رقیق‌شدن شیر را تشخیص دهد و تازگی آبمیوه‌ها را ارزیابی کند.

در طول توسعه این سیستم، تیم تحقیقاتی دریافت که اگر الگوریتم تمام داده‌های حسگرها را تحلیل کند و خودش ویژگی‌های تصمیم‌گیری را انتخاب کند، نتایج دقیق‌تری نسبت به استفاده از داده‌های انتخاب‌شده توسط انسان به دست آمد، داس توضیح می‌دهد: یادگیری ماشین قادر است تفاوت‌های ظریفی را تشخیص دهد که انسان‌ها به سختی می‌توانند تعریف کنند. این سیستم در کارهای عملی به دقتی بیش از ۹۷ درصد دست یافته است.