Les scientifiques ont créé la première langue artificielle qui peut sentir et identifier les saveurs entièrement dans des environnements liquides – imitant le fonctionnement des papilles gustatives humaines.
La réalisation, décrite le 15 juillet dans la revue PNApourrait conduire à des systèmes automatisés pour la sécurité alimentaire et à la détection précoce des maladies via l’analyse chimique, selon les chercheurs.
La technologie pourrait également être intégrée dans l’équipement de laboratoire pour l’analyse chimique des échantillons de liquide. Les chercheurs le considèrent également comme une étape vers « l’informatique neuromorphe » – des systèmes d’IA qui imitent le processus d’apprentissage du cerveau.
La langue artificielle est fabriquée à partir de membranes d’oxyde de graphène, des feuilles de carbone ultra-minces qui agissent comme des filtres moléculaires pour les versions ioniques des goûts. Au lieu de séparer les grandes particules, ces membranes ralentissent le mouvement des ions, laissant l’appareil identifier et se souviendront des goûts placés dans l’appareil.
Dans la nouvelle étude, l’appareil a identifié quatre goûts de base – sucrés, aigres, salés et amers – avec une précision de 72,5% à 87,5%, et avec une précision de 96% pour les boissons avec plusieurs profils de saveurs comme le café et le coca-Cola. La plus grande précision est due à la composition électrique des mélanges de boissons complexes, ce qui les rend plus faciles à identifier le système. Selon l’étude, c’est la première fois que les chercheurs ont réussi à combiner la détection et le traitement de l’information dans un seul système humide.
« Cette découverte nous donne un plan pour construire de nouveaux appareils ioniques bio-inspirés », » Yong Yanprofesseur de chimie au National Center for Nanoscience and Technology en Chine et co-auteur de l’étude, a déclaré à Live Science dans un e-mail. « Nos appareils peuvent fonctionner dans un liquide et ressentir leur environnement et leurs informations de processus – tout comme notre système nerveux le fait. »
Une percée dans le traitement des informations dans le liquide
Les systèmes de dégustation précédents ont traité toutes les informations sur les systèmes informatiques externes, mais le nouveau système effectue toute la détection et une grande partie du traitement des données dans le liquide. Cette approche principalement liquide permet une plus grande précision car elle permet de traiter les goûts dans leur état ionique naturel au lieu d’être converti pour le traitement des systèmes secs.
Étant donné que le dysfonctionnement des composants électroniques traditionnels dans le liquide, les chercheurs ont dû séparer les fonctions de détection et de traitement. Cette percée surmonte cette limitation en utilisant des membranes d’oxyde de graphène qui peuvent détecter et effectuer une grande partie du traitement de l’information immergé dans du liquide.
« Nous manquons de composants qui peuvent effectuer de manière fiable la détection, le traitement logique et l’informatique neuromorphe dans des environnements liquides », a déclaré Yan. « Notre recherche essaie de s’attaquer de front à ces problèmes critiques. »
La langue artificielle fonctionne en dissolvant des composés chimiques dans du liquide qui se décomposent ensuite en ions. Les ions traversent des couches de feuilles de carbone spécialisées qui créent des canaux incroyablement petits des milliers de fois plus minces que les cheveux humains.
Cela permet aux ions de créer des modèles uniques qui signalent quelle armorat le composé chimique initial représente. Le système «apprend» alors ce modèle et devient plus précis pour identifier les goûts avec une utilisation continue.
Une innovation clé réside dans la façon dont les chercheurs ont ralenti le mouvement des ions à travers les canaux – ce qui le rend 500 fois plus lent que la normale. Ce ralentissement a donné au système le temps de « se souvenir » de chaque goût qu’il a rencontré, avec des souvenirs qui durent environ 140 secondes, au lieu de seulement des millisecondes, selon l’épaisseur de la membrane.
Les chercheurs ont comparé leurs résultats aux travaux récents d’Andrew Pannone et de collègues, qui ont publié dans la revue Nature en octobre 2024. Cette étude a utilisé des réseaux de neurones en cours d’exécution Ordinateurs traditionnels à l’état solide Pour analyser les données des langues électroniques à base de graphène.
Le système traite les informations dans ce que les scientifiques appellent un réservoir qui permet au système d’apprendre les saveurs. Le réseau neuronal ou la partie de traitement du système identifie les modèles et les transmet pour un traitement final.
« Nous avons identifié différentes saveurs à l’aide d’un système d’apprentissage automatique plus simple: partie de l’informatique du réservoir et partie de réseau neuronal de base », a expliqué Yan. « Surtout, notre appareil physique a en fait fait partie du travail informatique. » Ceci est différent des systèmes qui reposent entièrement sur des ordinateurs externes pour le traitement.
Le système crée des souvenirs progressivement, similaires à la façon dont nos cerveaux apprennent à distinguer les saveurs. À chaque exposition, le système s’améliore pour différencier les goûts similaires.
« Il peut faire la distinction de manière fiable entre les saveurs complexes comme le café, le coke et même leurs mélanges – correspondant aux performances du réseau neuronal sophistiqué de Pannone », a déclaré Yong.
Applications médicales et pratiques
La technologie pourrait permettre la détection précoce des maladies par l’analyse du goût, aider à identifier les effets des médicaments et aider les personnes qui ont perdu leur sens du goût en raison d’un trouble neurologique ou d’un accident vasculaire cérébral.
La langue artificielle pourrait également aider à améliorer les tests de sécurité alimentaire, le contrôle de la qualité de la production de boissons et la surveillance environnementale des approvisionnements en eau. Il pourrait le faire en aidant à identifier les saveurs spécifiques dans les échantillons.
« Ces innovations jettent des bases critiques pour des applications allant des diagnostics médicaux aux machines autonomes capables de » dégustation « de leur environnement », a déclaré Yong.
Bien que les résultats soient prometteurs, Yong a reconnu que des défis importants demeurent. « Le système est encore trop volumineux pour des applications pratiques », a-t-il déclaré à Live Science. « La sensibilité à la détection nécessite une amélioration et la consommation d’énergie est plus élevée que nous le souhaiterions. »
Pourtant, Yong reste optimiste quant au calendrier des améliorations. « Une fois que nous avons relâché les défis de l’élargissement de la production, de l’amélioration de l’efficacité énergétique et de l’intégration de plusieurs capteurs – et de développer un matériel neuromorphique compatible, nous pourrions voir des progrès transformateurs dans la technologie des soins de santé, la robotique et la surveillance environnementale au cours de la prochaine décennie. »
