o sieht das Labormodell der elektronischen Zunge aus (Foto: Saptarshi Das, psu.edu)

Saptarshi Das und sein Doktorand Harikrishnan Ravichandran von der Pennsylvania State University haben eine neuartige elektronische Zunge zur Überwachung der Frische von Lebensmitteln entwickelt. Die Trefferquote soll bei 95 Prozent liegen. Die hohe Genauigkeit resultiert auch aus der Nutzung Künstlicher Intelligenz (KI) im Auswerte-Algorithmus. Verdächtige Stoffkombinationen werden somit besser erkannt.

Ausser für die Lebensmittelsicherheit könne die smarte elektronische Zunge auch in der medizinischen Diagnostik eingesetzt werden. Der Sensor erkennt mittels seiner KI verschiedene Substanzen präzise und klassifiziert deren Qualität, Authentizität und Frische. So wird schnell klar, ob zum Beispiel Milch mit Wasser gepanscht ist.

Die menschliche Zunge besteht aus Geschmackssensoren, die ihre Eindrücke an den gustatorischen Cortex senden, ein biologisches neuronales Netzwerk. Dieser Gehirnbereich interpretiert die Signale der Sensoren. Das geht über das hinaus, was von den Geschmacksrezeptoren wahrgenommen wird, die hauptsächlich die fünf grossen Kategorien süss, sauer, bitter, salzig und umami erkennen.

Die Experten bauten zunächst die menschliche Zunge aus elektronischen Geschmackssensoren nach. Um den gustatorischen Cortex nachzuahmen, entwickelten die Forscher zudem ein neuronales Netzwerk, einen maschinellen Lernalgorithmus, der das Gehirn bei der Bewertung und dem Verständnis der Daten nachahmt, die die Geschmackssensoren einsammelt.

"Zuvor hatten wir untersucht, wie das Gehirn auf verschiedene Geschmacksrichtungen reagiert, und diesen Prozess durch die Integration verschiedener 2D-Materialien nachgeahmt, um eine Art Blaupause dafür zu schaffen, wie KI die sensorischen Informationen wie ein Mensch verarbeiten kann", verdeutlicht Ravichandran die Herangehensweise.

Die künstliche Zunge besteht aus einem auf Graphen basierenden Feldeffekttransistor sowie einem leitfähigen Gerät, die Ionen in den Proben erkennen können und mit einem künstlichen neuronalen Netzwerk verbunden sind, das wiederum mit verschiedenen Datensätzen trainiert wurde. Entscheidend sei, dass die Sensoren nicht funktionalisiert sind. Ein Sensor erkennt verschiedene Arten von Chemikalien, anstatt für jede Chemikalie einen Sensor einsetzen zu müssen.

Die Forscher haben das neuronale Netzwerk mit 20 spezifischen Parametern versehen, die alle damit zusammenhängen, wie eine Flüssigkeitsprobe mit den elektrischen Eigenschaften des Sensors interagiert. Anhand dieser von den Forschern festgelegten Parameter konnte die KI Proben erkennen. Damit erreichen die Entwickler eine Trefferquote von gut 80 Prozent. Als sie das neuronale Netzwerk dazuschalteten, kam die Zunge auf 95 Prozent.