Des chercheurs du Laboratoire de Recherche Spatiale HSE, Les technologies, Les systèmes et processus ont appliqué des systèmes d'intelligence artificielle à apprentissage rapide à la reconnaissance des odeurs et ont développé un dispositif nasal électronique capable de reconnaître les modèles olfactifs d'un large éventail de produits chimiques. En plus de faire la distinction entre les différents mélanges de gaz, le nez électronique pourra capter et mémoriser de nouvelles odeurs. Selon les scientifiques du HSE, le produit de leurs recherches est susceptible de profiter à la fois aux services de sécurité et aux membres du public.

Les nez électroniques sont des analyseurs de gaz utilisés pour mesurer la composition qualitative et quantitative des mélanges gazeux. L'innovation des scientifiques du HSE réside dans le fait que leur appareil est basé sur des matrices de capteurs semi-conducteurs sensibles aux gaz à semi-conducteurs et utilise un réseau neuronal d'IA à apprentissage rapide. La technologie proposée est très précise pour analyser les mélanges gazeux et imite la fonction olfactive des organismes vivants en se souvenant des nouvelles odeurs et en les reconnaissant facilement par la suite.

"Il existe de nombreux capteurs de gaz et d'odeurs, mais ils sont conçus pour reconnaître une seule odeur spécifique, " dit Vladimir Koulaguine, professeur au MIEM HSE. "Par exemple, des capteurs de méthane permettent de détecter une augmentation de ce gaz et d'alerter les mineurs souterrains du danger, mais face à un mélange gazeux, ce capteur ne reconnaîtra que le méthane et ignorera les autres composants. Cela peut poser problème, car de nombreux gaz sont dangereux lorsqu'ils sont mélangés avec d'autres gaz. Les chercheurs du MIEM HSE travaillent désormais sur des algorithmes, solutions logicielles et techniques pour la reconnaissance des odeurs des réseaux neuronaux. Notre objectif principal à l'heure actuelle est d'augmenter la gamme de modèles olfactifs que l'appareil peut reconnaître en lui permettant d'apprendre de nouvelles odeurs et de mémoriser ces informations. Essentiellement, nous voulons apprendre à l'appareil à faire la distinction entre les mélanges de gaz dangereux et non dangereux et à les mémoriser rapidement. Dans ce but, il doit connaître les caractéristiques de chaque gaz."

C'est ainsi que cela fonctionnera. Si l'appareil capte une odeur qu'il ne reconnaît pas, l'IA recherchera dans sa base de données l'odeur similaire la plus proche déterminée par la plus petite distance de Hamming à tout code d'odeur connu. Là où il n'existe pas de seconde aussi proche, ce qui signifie que les distances entre les codes dépassent la distance de Hamming dans tous les réseaux de neurones, l'appareil identifiera l'odeur comme étant neuve.

Dans ce cas, le nouveau modèle olfactif sera téléchargé dans la base de données et un nouveau réseau neuronal formé pour cette odeur. Par conséquent, l'apprentissage automatique de nouvelles odeurs et une reconnaissance plus précise sont obtenus. Lorsqu'une nouvelle odeur correspond à deux modèles différents dans la base de données, celui dont le code est le plus proche du code de référence par la distance de Hamming (basé sur le nombre de coïncidences de bits) est préféré. Un autre avantage est la possibilité de corriger les erreurs de nez électronique dues au vieillissement du réseau de capteurs de gaz.

Les applications potentielles de l'appareil sont très répandues et comprennent la surveillance de l'environnement, détecter les menaces terroristes contre les personnes et les installations, alerte précoce des catastrophes technologiques, instruments de bord d'aéronefs ou d'engins spatiaux, technologie de contrôle de la qualité des matières premières, et le contrôle des odeurs pour les processus industriels.