机器学习技术是一个最重要的和普遍的计算出来领域，其中算法基于其处置的数据展开预测而没被具体地编程。因此，将机器学习与3D打印机结合的前景，正如UCLA的研究人员在一个新项目中可以显现出的，这意味著是一个令人兴奋的领域。

用于具备可以通过机器学习技术改动的传感器的3D打印机原型检测器，研究人员早已展出了一种新的、更加有效地的方式来检测微小物品，例如癌症生物标志物、病毒和蛋白质。这可以提高相当严重病毒感染和疾病的化疗和临床方式。等离子体感测早已在医学研究中用于多年，以便搜集关于亚微观级别的物质构成的信息。

该方法将光照射金属纳米结构上，缩放局部电场。可以测量该领域与研究者感兴趣的特定分子之间的相互作用，并且这容许他们研究关于分子浓度和动力学的有价值的事物。然而，由于所牵涉到的仪器的成本和可观性，在实验室环境外用于等离子体感测早已受到限制。

UCLA团队由加州纳米系统研究所电气工程和生物工程教授兼任副主任AydoganOzcan领导，他们现在研发了一种移动的、低廉的等离子体激元读取器的原型，它比传统的传感器设计更加准确。据报，该原型利用机器学习技术来确认在等离子体感测过程中应该用于什么类型的光源，因为该技术容许特定算法适应环境于其呈现出的数据，并且“训练”自身以作出要求。

它在其他领域有普遍的应用于，其中一个更加值得注意的是光学字符识别。Google的地图软件可以精确地加载房屋和街道上的数字和字母，但对于这个任务来说，实编程的算法将是不不切实际的。在等离子体感应器原型的情况下，不存在可以用作传感器的成千上万种有所不同类型的LED，因此机器学习技术容许更加有效地和精确地确认用作特定情况的四个合适的LED。并且可以根据应该捕捉的生物目标改动传感器。

阅读器还包括这四个有所不同颜色的LED，一个照相机和3D打印机塑料外壳。为了用于该装置，必须将样品产生到传感器，随后将其组装到摆放在读取器内部的盒中以展开自动测量和分析。3D打印机技术可以生产成本便宜的原型，但依然轻巧，并且可以必要改动设计以适应环境有所不同的情况。

Ozcan和他的团队期望他们的工作可以作为一个设计工具为其他研究人员和科学家在现场改良自己的等离子体读取器设备。他们报告说道，这种不可缺少的医疗设备甚至可以被设计为智能手机附件。这将更进一步降低生产成本，以及利用云相连和电话的计算能力。

再度，我们可以看见3D打印机的便利性，使得设计比传统解决方案低廉得多，而且效率更高，且极具适应性。这种无限的适应性是机器学习也共享的东西。

我们期望在未来的项目中可以看见更好的跨学科人组的这些突破，尤其是那些不仅是创意，而且有潜力挽回生命的项目。

本文来源：雷火·竞技-www.seiketu.com