Az Illinois állambeli Északnyugati Egyetemen új nanoelektromos eszközt fejlesztettek gépitanulás-alapú osztályozó feladatok valóban energiahatékony megvalósítására. Az eszköz a jelenlegi technológiák fogyasztásának századrészét használva hatalmas adatmennyiség feldolgozására, mesterségesintelligencia-munkák kivitelezésére képes valósidőben, és az elemzéshez a számítási felhőt sem kell használnia.

E tulajdonságai miatt ideális a viselhető (wearable) elektronikai szerkezetekbe, például okosorákba és fitnesz-mérőkbe történő közvetlen integrációhoz, a valósidejű adatfeldolgozáshoz és közel valósidejű diagnosztikához.

Az elképzelést nyilvánosan hozzáférhető elektrokardiogram (EKG) adatsorok nagymennyiségű információijának osztályozására használták fel. Nemcsak hatékonyan és pontosan azonosította a szabálytalan szívverést, de az aritmia hat kategóriáját is 95 százalékos pontossággal megkülönböztette egymástól.

A jelenlegi bevett gyakorlat alapján szenzorok gyűjtik, és a számítási felhőbe küldik az adatokat, ahol a szerverek komoly energiamennyiséget használva elemzik azokat, mielőtt visszaküldenék a felhasználónak. Ez a megközelítés nagyon drága, túl sok a fogyasztás, és időkésleltetés is jár vele.

Az új eszköz teljesen másként működik, többek között sürgősségi egészségügyi esetekben vehetik majd komoly hasznát.

Mielőtt gépitanulás-technikák új adatokat elemeznének, a gyakorlóadatokat kell különféle kategóriákba rendezniük. Szilíciumalapú technológiákkal EKG-szerű nagy adatsorok kategorizálásához több mint száz tranzisztor kell, mindegyik saját energiát használ.

Az Északnyugati Egyetem új módszerével ugyanaz a gépitanulás-osztályozás két eszközzel megoldható, így pedig drasztikusan csökken az energiafogyasztás, az eszköz mérete, miközben jelentősen nőnek más tárgyakba, rendszerekbe integrálásának a lehetőségei.

A kutatók szerint a változatos anyagösszetétellel (kétdimenziós molibdén-diszulfid és egydimenziós szén nanocsövek) magyarázható különleges hangolási készség miatt működik ennyire hatékonyan az új eszköz. Rekonfigurálható tranzisztorai elég dinamikusak ahhoz, hogy különböző lépésekbe váltsanak.