Scholay

学术搜索 · AI 审稿 · LaTeX 协作

人工嗅觉神经系统加入感官适应,在环境变化下筛除背景并识别新气体

顶级刊物论文速递 · 发布 2026-08-21T02:40:00+08:00 · 更新 2026-08-21T02:41:22+08:00

核心结论

Nature Communications 8 月 20 日报告具备感官适应的人工嗅觉神经系统:人工受体神经元会动态调节对刺激的敏感度,快速响应熟悉气体、过滤背景干扰,并为新气体生成独特模式;中间神经元调制后由人工皮层完成识别。作者称有限环境训练后仍可跨环境识别,但摘要未披露气体数量、浓度、具体准确率和长期漂移,产业成熟度仍无法判断。

论文结果。 Nature Communications 8 月 20 日发表一种受生物嗅觉启发的人工神经系统。常规电子鼻往往依赖在固定温度、湿度和背景气体下训练分类器,一旦传感器漂移或环境改变,准确率可能下降。团队把问题从单纯扩大训练集转向“适应”:让前端感受单元根据既往刺激动态调节敏感度,再由中间嗅觉神经元传递和调制信号,最后交给人工皮层神经元形成识别结果。

系统机制。 架构包含人工嗅觉受体神经元、中间嗅觉神经元和皮层神经元。受体单元遇到熟悉气体时可以快速响应并选择性过滤背景干扰,而新气体会留下更具区分度的信号模式;中间层进一步调制这些模式,皮层层级把它们转换为“嗅觉感知”。作者称,即使只在有限环境中训练,系统也能在多种环境条件下识别气体,核心卖点是将适应机制嵌入感知链,而不是完全依赖离线数据拟合。

为什么重要。 对工业泄漏、环境监测、食品质量和可穿戴健康传感,部署环境通常比实验室训练条件复杂,湿度、温度和长期老化会造成背景漂移。能主动压低熟悉背景、突出新刺激的架构,有望减少每换一个场景就重新标注和训练的成本,也为神经形态传感器把“感知—适应—识别”放在近端硬件中提供范例。

还需观察。 出版社摘要没有列出气体种类、浓度范围、与基线模型的具体准确率、响应时间或长期漂移周期,因此还无法判断产业成熟度。真实环境中的气体往往是低浓度混合物,并伴随湿度突变和传感器污染;“新气体”检测也不同于可靠定量。后续需要盲测未知混合物、跨设备复现、功耗与寿命评估,并说明适应是否会把缓慢累积的危险气体误当成可忽略背景。

信息来源

可信度说明

来源为 Nature Communications 同行评议论文;三层人工嗅觉架构、受体敏感度适应、背景过滤和有限训练环境下跨环境识别均来自作者摘要。摘要未披露完整数据集、基线对照和长期耐久指标,当前结论应视为仿生感知机制的实验验证,不能直接等同于复杂现场气体监测已经解决。

同主题情报