Un nez électronique alimenté par l'IA détecte diverses odeurs pour les applications de soins de santé et environnementales

infohightech ·

(a) Système olfactif humain composé de récepteurs olfactifs, d'un bulbe olfactif et d'un cortex olfactif. (b) Procédé de fabrication du réseau de graphène induit par laser dopé à l'oxyde de cérium (CeLIG) pour l'imitation aisée des récepteurs olfactifs. (c) Modèles de réponse distincts et processus d'apprentissage automatique pour la prédiction des odeurs. (d) Prédiction de neuf molécules odorantes. Crédit : ACS Nano (2025). DOI : 10.1021/acsnano.5c03601

Une équipe de recherche a développé un « nez électronique IA de nouvelle génération » capable de distinguer les odeurs comme le fait le système olfactif humain et de les analyser grâce à l'intelligence artificielle. Cette technologie convertit les molécules olfactives en signaux électriques et entraîne les modèles d'IA à identifier leurs caractéristiques uniques. Elle est très prometteuse pour des applications dans les soins de santé personnalisés, l'industrie cosmétique et la surveillance environnementale.

L'étude est publiée dans la revue ACS Nano . L'équipe était dirigée par le professeur Hyuk-jun Kwon du département de génie électrique et d'informatique de la DGIST, avec Hyungtae Lim, étudiant en master et doctorat intégré, comme premier auteur.

Bien que les nez électroniques conventionnels soient déjà déployés dans des domaines tels que la sécurité alimentaire et la détection de gaz en milieu industriel, ils peinent à distinguer les différences subtiles entre des odeurs similaires ou à analyser des compositions olfactives complexes. Par exemple, distinguer des parfums floraux aux notes similaires ou détecter la faible odeur de fruits sur le point de se gâter reste un défi pour les systèmes actuels. Cette lacune a stimulé la demande de technologies de nez électroniques de nouvelle génération, plus précises, plus sensibles et plus adaptables.

L'équipe de recherche s'est inspirée du mécanisme biologique connu sous le nom de codage combinatoire, selon lequel une seule molécule odorante active plusieurs récepteurs olfactifs pour créer un schéma unique de signaux neuronaux. En imitant ce principe, l'équipe a conçu des capteurs qui réagissent aux molécules odorantes en générant des combinaisons distinctes de signaux électriques .

Le système d’IA apprend ces modèles de signaux complexes pour reconnaître et classer avec précision une grande variété de parfums, ce qui donne lieu à une plate-forme d’olfaction artificielle haute performance qui surpasse les technologies existantes.

Ce nouveau nez électronique utilise un laser pour traiter un matériau fin à base de carbone (graphène) et intègre un nanocatalyseur à base d'oxyde de cérium pour créer un réseau de capteurs sensibles. Cette méthode de fabrication laser en une seule étape élimine le recours à des équipements de fabrication complexes et permet une production hautement efficace de réseaux de capteurs intégrés.

Lors de tests de performance, l'appareil a identifié avec succès neuf fragrances couramment utilisées dans les parfums et les cosmétiques, avec une précision de plus de 95 %. Il a également pu estimer la concentration de chaque parfum, ce qui le rend idéal pour une analyse olfactive fine.

Ultra-fin, flexible et très résistant, ce dispositif est idéal pour les appareils portables ou les patchs lumineux appliqués sur la peau ou les vêtements. Il peut être plié plus de 30 000 fois sur un rayon de 2,5 mm sans aucune dégradation de ses performances.

« L'innovation principale de nos recherches réside dans la capacité d'intégrer plusieurs capteurs olfactifs aux propriétés diverses, similaires à celles du nez humain, dans une seule unité grâce à un procédé de fabrication laser sélectif en une seule étape », a déclaré le professeur Kwon. « Nous développons activement nos efforts de développement et de commercialisation afin d'appliquer cette technologie aux soins de santé personnels , à la détection de la pollution environnementale et à l'industrie des parfums. »

https://www.dgist.ac.kr/kor

https://dx.doi.org/10.1021/acsnano.5c03601

Cet article vous a été utile ? Partagez-le.