手机支架◈◈◈。pp电子◈◈◈！pp电子游戏◈◈◈，pp电子官方网站电子配件◈◈◈，美国西北大学工程师开发了一种新型纳米电子设备◈◈◈，可以迄今最节能的方式执行准确的机器学习分类任务
美国西北大学工程师开发了一种新型纳米电子设备◈◈◈，可以迄今最节能的方式执行准确的机器学习分类任务pp电子网站pp电子网站◈◈◈。该设备的能源使用效率比当前技术提高100倍◈◈◈，可实时处理大量数据并执行人工智能（AI）任务pp电子网站◈◈◈，而无需将数据传输到云端进行分析◈◈◈。研究成果10月12日发表在《自然·电子学》杂志上◈◈◈。
该设备体积小被一帮同学拉到没人的地方◈◈◈、功耗超低且接收分析没有延迟被一帮同学拉到没人的地方◈◈◈，非常适合直接集成到可穿戴电子产品（如智能手表和健身追踪器）中◈◈◈，以进行实时数据处理和近乎即时的诊断◈◈◈。
为了测试该设备◈◈◈，研究人员用其对公开的心电图（ECG）数据集中的信息进行分类◈◈◈。结果表明◈◈◈，该设备不仅能够有效pp电子网站◈◈◈、正确地识别不规则心跳被一帮同学拉到没人的地方◈◈◈，还能从6种不同类别中确定心律失常亚型◈◈◈，准确率接近95%被一帮同学拉到没人的地方◈◈◈。
在机器学习工具可以分析新数据之前◈◈◈，这些工具必须首先准确可靠地将训练数据分类为不同的类别◈◈◈。对于当前的硅基技术来说◈◈◈，要对心电图等大型数据集的数据进行分类◈◈◈，需要100多个晶体管◈◈◈，每个晶体管都需要自己的能源设备来运行◈◈◈。但该纳米电子设备只需两台能源设备即可执行相同的机器学习分类◈◈◈，大幅降低了功耗◈◈◈。
团队先训练该设备来解释心电图数据◈◈◈，这项任务通常需要训练有素的医护人员花费大量时间◈◈◈。而该纳米电子设备能够从10000个心电图样本中准确识别每种心律失常类型◈◈◈。通过绕过将数据发送到云端的需要◈◈◈，该设备不仅为患者节省出关键时间◈◈◈，还保护了患者隐私◈◈◈。
未来这些纳米电子设备可整合到日常可穿戴设备中pp电子网站◈◈◈，根据每个用户的健康状况进行个性化定制被一帮同学拉到没人的地方pp电子网站◈◈◈，以实现实时应用◈◈◈。