Para peneliti dari Intel Labs dan Cornell University telah mendemonstrasikan kemampuan unik chip penelitian neuromorfik Intel bernama Loihi untuk mempelajari dan mengidentifikasi bahan kimia berbahaya. Penelitian tersebut diterbitkan dalam jurnal Nature Machine Intelligence yang menjelaskan bagaimana algoritme saraf dibangun dari awal berdasarkan arsitektur dan dinamika sirkuit penciuman otak manusia.
Chip ini didasarkan pada arsitektur komputasi neuromorfik yang terinspirasi oleh pemahaman ilmuwan saat ini tentang otak manusia dan cara memecahkan masalah. Ini adalah perangkat keras yang bertujuan untuk meniru cara otak manusia memproses dan memecahkan masalah. Itu dapat memanfaatkan pengetahuan yang sudah dimilikinya untuk membuat kesimpulan tentang data baru, sehingga membantu mempercepat proses pembelajarannya secara eksponensial dari waktu ke waktu.
Chip tersebut memiliki kemampuan untuk mengidentifikasi setiap bahan kimia berdasarkan baunya hanya dari satu sampel uji tanpa mengganggu ingatannya akan aroma yang dipelajari sebelumnya. Dibandingkan dengan sistem pengenalan konvensional seperti sistem pembelajaran mendalam yang membutuhkan sekitar 3.000 kali lebih banyak sampel pelatihan untuk mencapai tingkat akurasi yang sama, chip ini bekerja dengan akurasi yang unggul.
Ia dapat mempelajari dan mengenali aroma 10 bahan kimia berbahaya yang berbeda. Tim Intel menggunakan kumpulan data yang terdiri dari aktivitas 72 sensor kimiawi yang diketahui di otak dan cara mereka merespons bau setiap bahan kimia. Data tersebut selanjutnya digunakan untuk mengonfigurasi apa yang tim sebut "diagram sirkuit penciuman biologis" di Loihi. Dengan ini, Loihi dapat mengenali representasi saraf dari setiap bau dan mengidentifikasi masing-masing, bahkan dengan oklusi yang signifikan.
Kemampuan penciuman Loihi dapat digunakan pada sistem hidung elektronik baru yang membantu dokter mendiagnosis penyakit. Selain itu, dapat digunakan untuk mengembangkan sistem untuk mendeteksi senjata dan bahan peledak di bandara. Ini juga dapat digunakan untuk mengembangkan detektor asap dan karbon monoksida yang efektif. Dari analisis adegan sensorik (memahami hubungan antara objek yang Anda amati) hingga masalah abstrak seperti perencanaan dan pengambilan keputusan, para peneliti selanjutnya berencana untuk menggeneralisasi pendekatan ini ke masalah yang lebih luas.