Forskere fra Intel Labs og Cornell University har vist den unike evnen til Intels nevromorfe forskningsbrikke kalt Loihi til å lære og identifisere farlige kjemikalier. Forskningen ble publisert i tidsskriftet Nature Machine Intelligence som beskriver hvordan en nevralalgoritme ble bygget fra bunnen av basert på arkitekturen og dynamikken i den menneskelige hjernens olfaktoriske kretser.
Brikken er basert på en neuromorf databehandlingsarkitektur som er inspirert av forskernes nåværende forståelse av den menneskelige hjerne og hvordan den løser problemer. Det er litt maskinvare som har som mål å etterligne hvordan den menneskelige hjerne behandler og løser problemer. Det kan utnytte kunnskapen som det allerede har for å gjøre slutninger om nye data, og dermed bidra til å øke hastigheten på læringsprosessen eksponentielt over tid.
Brikken har evnen til å identifisere hvert kjemikalie basert på lukten fra bare en enkelt testprøve også uten å forstyrre hukommelsen om tidligere lærte dufter. Sammenlignet med ethvert konvensjonelt gjenkjenningssystem som et dyp læringssystem som krever rundt 3000 ganger flere treningsprøver for å nå samme nøyaktighetsnivå, fungerer brikken med overlegen nøyaktighet.
Det kan lære og gjenkjenne duften av 10 forskjellige farlige kjemikalier. Intel-teamet brukte et datasett som består av aktiviteten til 72 kjente kjemiske sensorer i hjernen og hvordan de reagerer på lukten av hvert kjemikalie. Dataene ble videre brukt til å konfigurere det teamet kaller "et kretsskjema for biologisk olfaksjon" på Loihi. Med dette kunne Loihi gjenkjenne den nevrale representasjonen av hver lukt og identifisere hver, selv med betydelig okklusjon.
Loihis olfaktoriske evner kan brukes på nye elektroniske nesesystemer som hjelper leger med å diagnostisere sykdommer. Videre kan den brukes til å utvikle systemer for å oppdage våpen og eksplosiver på flyplasser. Det kan også brukes til å utvikle effektive røyk- og karbonmonoksyddetektorer. Fra sensorisk sceneanalyse (forståelse av forholdet mellom objekter du observerer) til abstrakte problemer som planlegging og beslutningstaking, planlegger forskerne å generalisere denne tilnærmingen til et bredere spekter av problemer.