Forskere fra Intel Labs og Cornell University har demonstreret den unikke evne hos Intels neuromorfe researchchip ved navn Loihi til at lære og identificere farlige kemikalier. Forskningen blev offentliggjort i tidsskriftet Nature Machine Intelligence, der beskriver, hvordan en neural algoritme blev bygget fra bunden baseret på arkitekturen og dynamikken i den menneskelige hjernes olfaktoriske kredsløb.
Chippen er baseret på en neuromorf computerkonstruktion, der er inspireret af forskernes nuværende forståelse af den menneskelige hjerne og hvordan den løser problemer. Det er lidt hardware, der sigter mod at efterligne, hvordan den menneskelige hjerne behandler og løser problemer. Det kan udnytte den viden, det allerede besidder, for at udlede konklusioner om nye data og derved hjælpe med at fremskynde sin læringsproces eksponentielt over tid.
Chippen har evnen til at identificere hvert kemikalie baseret på dets lugt fra blot en enkelt testprøve også uden at forstyrre hukommelsen om tidligere indlærte dufte. Sammenlignet med ethvert konventionelt genkendelsessystem som et dybt læringssystem, der kræver omkring 3.000 gange flere træningseksempler for at nå det samme niveau af nøjagtighed, fungerer chippen med overlegen nøjagtighed.
Det kan lære og genkende duften af 10 forskellige farlige kemikalier. Intel-teamet brugte et datasæt, der består af aktiviteten af 72 kendte kemiske sensorer i hjernen, og hvordan de reagerer på lugten af hvert kemikalie. Dataene blev yderligere brugt til at konfigurere, hvad holdet kalder "et kredsløbsdiagram for biologisk olfaktion" på Loihi. Med dette kunne Loihi genkende den neurale repræsentation af hver lugt og identificere hver enkelt, selv med betydelig okklusion.
Loihis olfaktoriske kapacitet kunne bruges på nye elektroniske næsesystemer, der hjælper læger med at diagnosticere sygdomme. Desuden kan den bruges til at udvikle systemer til detektion af våben og sprængstoffer i lufthavne. Det kunne også bruges til at udvikle effektive detektorer til røg og kulilte. Fra sensorisk sceneanalyse (forståelse af forholdet mellem objekter, du observerer) til abstrakte problemer som planlægning og beslutningstagning, planlægger forskerne yderligere at generalisere denne tilgang til en bredere vifte af problemer.