機器學習技術是一個重要和涉及廣泛的計算領域。因此，當我們得知UCLA（加州大學洛杉磯分校）研究人員在一個新項目中將該技術與3D打印結合在一起時，一定會倍感興奮。

研究人員開發(fā)了一個3D打印原型探測器，其中包含一個采用了機器學習技術來不斷進行自我調(diào)整的傳感器。一種新的、更有效的微小物質(zhì)檢測方法由此誕生，該方法可檢測癌癥生物標志物、病毒、蛋白質(zhì)等。這可以改善嚴重感染和疾病的診斷和治療。

在醫(yī)學研究中，等離子體感測（plasmonic sensing）已被使用多年，來收集亞微觀級別的物質(zhì)組成的相關信息。然而，由于所涉及的儀器數(shù)量龐大且成本高，在實驗室環(huán)境外使用等離子體感測受到很大的限制?，F(xiàn)在，由Aydogan Ozcan教授領導的UCLA團隊開發(fā)了一個可移動且便宜的等離子體讀取器原型，該原型比傳統(tǒng)的傳感器設計更精確。

在等離子體感測過程中，原型利用機器學習技術來決定應當使用什么類型的光源。要知道，有成千上萬種不同類型的LED可用在傳感器上。在某種特定情況，機器學習能更有效和更準確地決定哪四個LED是最適合的。因此，傳感器可根據(jù)自己將要捕獲的生物目標來輕松地自我調(diào)整。

讀取器包括四種不同顏色的LED、一個相機和一個3D打印塑料外殼。由于采用了3D打印技術，原型的造價很便宜，但同時也很耐用，可根據(jù)不同的情況進行定制化設計。

Ozcan及其團隊希望他們的讀取器可作為一個設計工具而為該領域的其他研究人員和科學家使用，來改進他們自己的等離子體讀取器設備。他們還表示，這種不可缺少的醫(yī)療設備甚至可被設計成一個智能手機附件。這將進一步降低生產(chǎn)成本，同時還能利用手機的云連接功能和計算能力。