Uus kunstkeel koosneb peaasjalikult grafeenoksiidist membraanidest ehk ülimalt õhukestest süsinikukiledest. Need toimivad omamoodi molekulifiltritena, mis n-ö tunnevad maitset ioonide ehk laetud osakeste kaudu. Need on justkui maitseainete elektrilised sõrmejäljed. Kui tavaliselt liiguvad ioonid vedelikus kiiresti, siis membraanid võtavad ioonidel liikumise pealt hoo maha. See jätab seadmele piisavalt aega erinevaid maitseid kindlaks teha ja meelde jätta, vahendab LiveScience. 

Uues teadustöös tuvastas kunstkeel nelja põhimaitset ehk magusat, haput, soolast ja mõrudat 72,5–87,5-protsendise täpsusega. Kui seadmele anti n-ö maitsta mõnda mitmemaitselist jooki nagu kohvi või Coca-Colat, tundis see õiged maitsed ära suisa 96 protsendil juhtudest. Suurem täpsus tuleneb keerulisemate joogisegude elektrilisest koostisest, mida süsteemil on lihtsam ära tunda. 

Autorite sõnul õnnestus neil esimest korda panna ühte vedelikus töötavasse seadmesse edukalt kokku tajumine ja infotöötlus. Uuringu kaasautori ja Hiina riikliku nanoteaduse ja tehnolooloogia keskuse professori Yong Yani sõnul annab tehiskeel inspiratsiooni uute bioloogiast inspireeritud ioonseadmete ehitamiseks. See tähendab, et seadmed toimivad samamoodi nagu inimese närvisüsteem: need töötavad ka vesikeskkonnas, tajuvad oma ümbrust ja töötlevad sealsamas infot.

Läbimurre joogiklaasis

Maitsmist jäljendavaid süsteeme on ehitatud varemgi. Senistes süsteemides käis infotöötlus eraldi arvutis. Uus süsteem tajub ja töötleb enamikku infost aga sealsamas vedelikus. See tagab suurema täpsuse. Nimelt saab maitseid sel juhul töödelda nende loomulikus ioonolekus ja neid pole vaja esmalt kuiva arvutisüsteemi jaoks töötlemiskõlbulikuks muuta.

Kuna traditsioonilised elektroonilised komponendid vedelikus ei tööta, tuli teadlastel siiani taju- ja töötlusfunktsioonid lahku lüüa. Uues tehiskeeles on need aga koos. Autorid kasutasid seekord grafeenoksiidi kilesid, mis suudavad piltlikult öeldes vedelikus hulpivast infost suure osa eraldada  ja seda kohe sealsamas töödelda.

Tehiskeel lahutab vedelikus leiduvad keemilised ühendid ioonideks. Need liiguvad läbi eriliste süsinikukilede, mille sees avanevad ioonide läbilaskmiseks inimese juuksekarvast tuhandeid kordi peenemad kanalid. Sel moel joonistuvad ioonidest kordumatud mustrid. Need annavad märku, millist maitset iga iooni algne keemiline ühend esindas. Süsteem õpib ioonide joonistatud mustreid ja tuvastab edaspidi erinevaid maitseid juba täpsemini.

Olulisim uuendus seisneb töörühma sõnul viisis, kuidas ioonide liikumist peenikestes kanalites aeglustada. Ioonid liikusid sealt läbi 500 korda tavapärasest aeglasemalt. See andis süsteemile piisavalt aega, et iga uus maitse n-ö meelde jätta. Sõltuvalt kile paksusest kestsid loodud mälestused umbes 140 sekundit ehk üle kahe minuti.

Töörühm võrdles oma tulemusi ühe teise 2024. aasta oktoobris ilmunud uuringuga. Toonase töö autorid kasutasid traditsioonilistel tahketel arvutitel põhinevaid tehisnärvivõrke, et analüüsida grafeenipõhiste elektrooniliste keelte kogutud andmeid. Tolle uuringu süsteem töötles infot nn reservuaaris, mis võimaldas masinal maitseid õppida. Tehisnärvivõrk tegi maitsemustrid kindlaks ja suunas need edasi lõpptöötlusesse.

Yong Yani sõnul on tema töörühma maitseid tuvastav masinõppesüsteem lihtsam. Tehiskeel ise toimib n-ö must kasti või reservuaarina, kus signaal tekitab keerulisi, ent korduvaid mustreid. Yani sõnul on oluline, et nende katses tegi suurema osa arvutamisest ära maitsmisseade ise. See on samm edasi võrreldes varasemate seadmetega, mis vajasid arvutamisel teise arvuti abi.

Samuti ei jää uus tehiskeel Yongi sõnul maitsete eristamisel mullusele prototüübile kuidagi alla. Uus süsteem loob mälestusi erinevate maitsete kohta samm-sammult. Protsess on sarnane sellega, kuidas inimaju maitseid tundma õpib. Iga uue kokkupuute järel kindla maitsega õpib süsteem seda paremini eristama.

Rakendused meditsiinis ja mujalgi

Uue tehnoloogia abil võib olla tulevikus lihtsam maitsmisanalüüsi abil märgata varakult ka erinevaid haigusi. Samuti aitaks see hinnata ravimite mõju ja toetada inimesi, kes on kas neuroloogilise haiguse või insuldi tõttu maitsemeele kaotanud. 

Veel võiks uut tehiskeelt kasutada toiduohutuse paremaks testimiseks, kvaliteedikontrolliks joogitootmisel ja veevarude keskkonnaseires. Kõigil neil juhtudel oleks seadmest abi, sest see tuvastaks vedelikuproovides kindlaid maitsemustreid. 

Ehkki esimesed tehiskeele katsetulemused on paljutõotavad, möönab Yong, et terve rida kitsaskohti ootab veel seljatamist. Esiteks on süsteem praktikas kasutamiseks veel liiga suur ja kohmakas. Lisaks pole seadme tuvastamistundlikkus veel piisavalt suur ja energiakulu küllalt väike. 

Yong usub, et kitsaskohad on kõrvaldatavad ja järgmise kümnendi jooksul võiks uuenduslik tehnoloogia nii meditsiinis kui ka keskkonnaseires kasutusse jõuda. Samuti saaks selle tulevikus appi võtta laboris vedelikuproovide analüüsil. Töörühm näeb selles sammu aju õppeprotsessi matkivate süsteemide loomise suunas.

Uurimus avaldati Ameerika Ühendriikide teadusakadeemia toimetistes.