机器学习技术是一个重要和涉及广泛的计算领域。因此，当我们得知UCLA（加州大学洛杉矶分校）研究人员在一个新项目中将该技术与3D打印结合在一起时，一定会倍感兴奋。
据天工社了解，研究人员开发了一个3D打印原型探测器，其中包含一个采用了机器学习技术来不断进行自我调整的传感器。一种新的、更有效的微小物质检测方法由此诞生，该方法可检测癌症生物标志物、病毒、蛋白质等。这可以改善严重感染和疾病的诊断和治疗。
在医学研究中，等离子体感测（plasmonic sensing）已被使用多年，来收集亚微观级别的物质组成的相关信息。然而，由于所涉及的仪器数量庞大且成本高，在实验室环境外使用等离子体感测受到很大的限制。现在，由Aydogan Ozcan教授领导的UCLA团队开发了一个可移动且便宜的等离子体读取器原型，该原型比传统的传感器设计更精确。
在等离子体感测过程中，原型利用机器学习技术来决定应当使用什么类型的光源。要知道，有成千上万种不同类型的LED可用在传感器上。在某种特定情况，机器学习能更有效和更准确地决定哪四个LED是最适合的。因此，传感器可根据自己将要捕获的生物目标来轻松地自我调整。
读取器包括四种不同颜色的LED、一个相机和一个3D打印塑料外壳。由于采用了3D打印技术，原型的造价很便宜，但同时也很耐用，可根据不同的情况进行定制化设计。
Ozcan及其团队希望他们的读取器可作为一个设计工具而为该领域的其他研究人员和科学家使用，来改进他们自己的等离子体读取器设备。他们还表示，这种不可缺少的医疗设备甚至可被设计成一个智能手机附件。这将进一步降低生产成本，同时还能利用手机的云连接功能和计算能力。
来源：天工社
