Les scientifiques ont créé le premier langage artificiel qui peut détecter et traiter les saveurs dans un environnement liquide, imitant les papilles gustatives humaines. L'innovation pourrait conduire à des systèmes automatisés pour la sécurité alimentaire et à la détection précoce des maladies grâce à l'analyse chimique, selon les chercheurs.
Une équipe de spécialistes de l'Académie chinoise des sciences a présenté un langage artificiel capable de découvrir et de « se souvenir » des saveurs, selon une étude publiée dans la revue Proceedings of the National Academy of Sciences. Contrairement aux systèmes précédents qui dépendaient des ordinateurs externes pour interpréter les signaux sensoriels, ce prototype intègre la fonction de détection et de traitement dans la même membrane, permettant de fonctionner directement dans des solutions aqueuses et de s'approcher de la manière dont les humains ou les animaux fonctionnent.
Dans le système de gustative biologique, les stimuli chimiques déclenchent en principe les réponses électriques à travers plusieurs cellules de récepteur goût, réparties dans différents secteurs du langage. Ensuite, ces potentiels électriques sont codifiés et transmis par les nerfs aux neurones corticaux cérébraux, pour effectuer le traitement et la reconnaissance du goût.
Mémoire et capacité d'apprentissage
Dans le nouveau système artificiel, basé sur l'oxyde ionique biologique et le graphène (Go-ISMD), les signaux de détection générés par l'identification de différentes saveurs sont codifiés en premier lieu, puis importés dans un système informatique de réservoir dynamique, pour le traitement et la perception. De cette façon, le nouveau langage artificiel « preuve » des saveurs et apprend comme un organe humain.
Grâce à la conception du nouveau système, le mouvement ionique ralentit suffisamment pour conserver le signal pendant des dizaines de secondes: cela facilite la formation d'une mémoire temporaire que le système peut exploiter pour reconnaître les saveurs.
Pour traduire ces traces en identifications de saveur, les chercheurs ont formé des modèles d'apprentissage automatique avec les modèles électriques obtenus. Dans les tests, le capteur a distingué les saveurs de base, telles que sucrées, salées, acides et amères, et a pu identifier des mélanges complexes tels que le café et la queue.
Applications pratiques intéressantes
Selon un article publié dans Live Science et une déclaration, les détails rapportés variaient selon le type d'échantillon et le protocole: dans différents essais, des chiffres ont été observés entre 72,5% et plus de 96% du succès pour certaines boissons et composés. Ces résultats soulignent non seulement la sensibilité de l'appareil, mais aussi la capacité du système à «apprendre» et à améliorer sa classification, sur la base des modèles d'intelligence artificielle (IA) utilisés.
Référence
Le confinement des ions dans les membranes d'oxyde de graphène permet une ravid artificielle neuromorphe. Yuchun Zhang et al. PNA (2025). Doi: https: //doi.org/10.1073/pnas.2413060122
Les applications pratiques sont larges: les contrôles automatisés de la qualité des aliments, l'identification précoce des polluants de l'eau, les tests médicaux environnementaux et potentiellement non invasifs basés sur la salive ou d'autres liquides.
Cependant, les auteurs prévoient des défis clairs: le prototype actuel est encore encombrant et consomme beaucoup d'énergie, nécessite une expansion des bibliothèques de signaux chimiques pour couvrir l'hétérogénéité réelle des échantillons commerciaux et cliniques, et doit être testé contre les interférences présentes dans des environnements sales ou complexes.
