இன்டெல் லேப்ஸ் மற்றும் கார்னெல் பல்கலைக்கழக ஆராய்ச்சியாளர்கள் அபாயகரமான இரசாயனங்களைக் கற்றுக்கொள்வதற்கும் அடையாளம் காண்பதற்கும் லோயி என்ற பெயரிடப்பட்ட இன்டெல்லின் நியூரோமார்பிக் ஆராய்ச்சி சிப்பின் தனித்துவமான திறனை நிரூபித்துள்ளனர். நேச்சர் மெஷின் இன்டலிஜென்ஸ் இதழில் இந்த ஆராய்ச்சி வெளியிடப்பட்டது, மனித மூளையின் அதிர்வு சுற்றுகளின் கட்டமைப்பு மற்றும் இயக்கவியல் அடிப்படையில் புதிதாக ஒரு நரம்பியல் வழிமுறை எவ்வாறு உருவாக்கப்பட்டது என்பதை விவரிக்கிறது.
மனித மூளையைப் பற்றிய விஞ்ஞானிகளின் தற்போதைய புரிதலால் அது எவ்வாறு சிக்கல்களைத் தீர்க்கிறது என்பதன் மூலம் ஈர்க்கப்பட்ட ஒரு நியூரோமார்பிக் கம்ப்யூட்டிங் கட்டமைப்பை அடிப்படையாகக் கொண்டது. மனித மூளை எவ்வாறு செயலாக்குகிறது மற்றும் சிக்கல்களைத் தீர்க்கிறது என்பதைப் பிரதிபலிக்கும் நோக்கில் இது ஒரு சிறிய வன்பொருள் ஆகும். புதிய தரவுகளைப் பற்றிய அனுமானங்களைச் செய்ய இது ஏற்கனவே வைத்திருக்கும் அறிவை இது மேம்படுத்துகிறது, இதன் மூலம் காலப்போக்கில் அதன் கற்றல் செயல்முறையை அதிவேகமாக விரைவுபடுத்த உதவுகிறது.
சில்லு ஒவ்வொரு ரசாயனத்தையும் அதன் வாசனையின் அடிப்படையில் ஒரு சோதனை மாதிரியிலிருந்து அடையாளம் காணும் திறனைக் கொண்டுள்ளது, அதுவும் முன்பு கற்றுக்கொண்ட நறுமணங்களின் நினைவகத்தை சீர்குலைக்காமல். ஆழ்ந்த கற்றல் முறை போன்ற எந்தவொரு வழக்கமான அங்கீகார முறையுடனும் ஒப்பிடும்போது, அதே அளவிலான துல்லியத்தை அடைய சுமார் 3,000 மடங்கு அதிக பயிற்சி மாதிரிகள் தேவைப்படுகின்றன, சிப் சிறந்த துல்லியத்துடன் செயல்படுகிறது.
இது 10 வெவ்வேறு அபாயகரமான இரசாயனங்களின் வாசனையைக் கற்றுக் கொள்ளலாம். இன்டெல் குழு ஒரு தரவுத்தொகுப்பைப் பயன்படுத்தியது, இது மூளையில் அறியப்பட்ட 72 ரசாயன சென்சார்களின் செயல்பாட்டையும், ஒவ்வொரு வேதிப்பொருளின் வாசனையையும் எவ்வாறு பிரதிபலிக்கிறது என்பதையும் கொண்டுள்ளது. லோயிஹியில் குழு “உயிரியல் செயலிழப்பின் சுற்று வரைபடம்” என்று அழைப்பதை உள்ளமைக்க தரவு மேலும் பயன்படுத்தப்பட்டது. இதன் மூலம், லோயிஹி ஒவ்வொரு வாசனையின் நரம்பியல் பிரதிநிதித்துவத்தையும் அடையாளம் காண முடியும், மேலும் ஒவ்வொன்றையும் அடையாளம் காண முடியும்.
நோய்களைக் கண்டறிய மருத்துவர்களுக்கு உதவும் புதிய மின்னணு மூக்கு அமைப்புகளில் லோஹியின் அதிவேக திறன்களைப் பயன்படுத்தலாம். மேலும், விமான நிலையங்களில் ஆயுதங்கள் மற்றும் வெடிபொருட்களைக் கண்டறிவதற்கான அமைப்புகளை உருவாக்க இதைப் பயன்படுத்தலாம். பயனுள்ள புகை மற்றும் கார்பன் மோனாக்சைடு கண்டுபிடிப்பாளர்களை உருவாக்க இது பயன்படுத்தப்படலாம். உணர்ச்சி காட்சி பகுப்பாய்வு (நீங்கள் கவனிக்கும் பொருள்களுக்கு இடையிலான உறவைப் புரிந்துகொள்வது) திட்டமிடல் மற்றும் முடிவெடுப்பது போன்ற சுருக்க சிக்கல்கள் வரை, ஆராய்ச்சியாளர்கள் இந்த அணுகுமுறையை பரந்த அளவிலான சிக்கல்களுக்கு பொதுமைப்படுத்த திட்டமிட்டுள்ளனர்.