人工智慧神經網絡能識別細菌
- 上線日期：2009/12/21 上午 12:00:00
- 資料來源：奈米科學網
美國橡樹嶺國家實驗室(Oak Ridge National Laboratory)和克萊姆森大學(Clemson University)的研究人員利用細菌的機電特性，發展出自動辨識P. fluorescens和M. lysodeikticus的方法。該方法能以約50 nm的空間解析度(spatial resolution)，收集細菌和基板在特定頻帶中的特徵訊號，再利用神經網絡分析訊號將這兩種細菌和基質自動分類。
細菌鑑別是很重要的工作，但過程卻經常費時又耗力，為了加速及簡化這個過程，上述研究團隊提出了相對快速又簡易的細菌鑑定方法。新方法利用細菌接觸電場後會改變構形的能力，形狀改變的程度與許多參數相關，例如細菌的剛性和細菌外套的組成。橡樹嶺的Maxim Nikiforov表示，他們紀錄細菌結構在不同頻率的電訊號下如何抽搐，再以人工智慧方法處理這些資訊，最後得到一張辨識地圖，讓電腦能區別這兩種細菌及供其生長的基質。
上述實驗是以原子力顯微鏡(atomic force microscope)執行測量，研究人員在樣品上操控接觸半徑約10 nm的探針，同時在探針上施加交流電壓，藉此測量產生的機電耦合(electro-mechanical coupling)，再進行頻譜分析，而最顯著的特徵(包含在前五個主要頻率成份中)將用來訓練神經網絡並執行辨識。這個方法可以用在所有的空間解析光譜資料上。
機電耦合在生物系統非常普遍，從離子通道到膜的撓電性(flexoelectricity)，再到複雜的聽覺和動作機制，見都有它的蹤影，因此這項名為「功能辨識造影」 (Functional Recognition Imaging)的技術應用範圍很廣。讓機電反應的觀察和控制提升到奈米層級，可望進一步開啟醫學、移植、生物微機電(bioMEMS)和其他目前還無法想像到的應用。詳見Nanotechnology 20 405708 (2009)。
原始網站: http://nanotechweb.org/cws/article/tech/41147
譯者:賽逸昕(國家衛生研究院)
- 相關附件: