可以吃的「逻辑门」:这些科学家把甜点做成了「迷你计算机」
在过去的十年间,我们见证了食品领域的很多创新,比如 3D 打印食物、可食传感器、机器人料理、AR 用餐等,但迄今为止,这些创新都还是在现有食物的基础上使用技术。
澳大利亚莫纳什大学的一项创新打破了这一局面:他们创造了一种名为「Logic Bonbon(逻辑夹心糖)」的系统,将「逻辑门」直接嵌入了糖果里。
Logic Bonbon 包括一个预制的空心糖果,以及三个不同的「逻辑门」选项,允许调味液体流入糖果。
有了这些逻辑门,你可以将不同的液体引入糖果的中空区域,从而形成不同的味道和颜色组合。此外。Logic Bonbon 还有一个透明的顶层,你可以透过这个顶层看到逻辑门「运行」之后的最终结果。
在过去的三个月里,研究者邀请了 10 名参与者来测试该系统,让他们用不同的味道组合去填充自己的糖果。
「通过与 Logic Bonbon 的互动,参与者可以实际体验和学习逻辑运算。它其实可以称得上是一个微型可食用计算机,它需要输入、执行计算并以不同的组合输出结果,同时显示不同的表情和味道,让用户体验计算的『味道』,」该研究的第一作者、 莫纳什大学 Exertion Games Lab 研究者 Jialin Deng 表示。
「这个项目表明,即使像食材、餐饭这样简单的东西也可以被用作一种媒介,用来向人们介绍计算机的概念,」论文合著者、Exertion Games Lab 负责人 Florian ‘Floyd’ Mueller 表示。
该项目未来可能的研究方向包括开发更复杂的食物计算系统,进一步探索如何支持餐厅为食客提供独特的用餐体验。
论文链接:https://dl.acm.org/doi/pdf/10.1145/3491102.3501926
技术细节
将 Logic Bonbon 当成一个计算机组件来设计
1、模块化
Logic Bonbon 系统的模块化是一种设计特征,它将系统细分为可以独立创建的较小部分。它们也可以与不同系统的模块互换。Logic Bonbon 系统的每个基本单元都由一组输入模块、一个逻辑门和一个输出模块组成,如图 3 所示。
不可食用的输入模块由一个 3D 打印的底座(图中的 mount,作为托住主体的底盘,同时往上传输液体)、两个流体容器(图中的 fuid reservoir)和两个 L 形接头组成。此外,两个流体回收器(fuid recycler)与底座的另一侧连接,以回收多余的流体。Logic Bonbon 系统的这些部分是不可食用的,可食用部分由多层结构的逻辑门和输出模块组成。
2、Logic Bonbon 的多层结构
受具有平面或夹层结构的微流体芯片的启发,Logic Bonbon 被设计成多层结构,每层都有特定的流体装置和逻辑功能。Logic Bonbon 可以执行「与」、「或」、「异或」逻辑运算。下图 4 展示了可以执行「与」门的 Logic Bonbon 结构。
「底座连接器层(base connector layer」的底侧连接到底座,顶侧连接到「逻辑门层(logic gate layer)」。逻辑门层在实现计算方面起着关键作用。在这一层的顶部是另一个连接器层,它连接到两个「室层(chamber layer)」,其中一个具有溢流口(overfow vent)。这两个室层将填充流体,因此起到显示器的作用,指示计算是否成功。如果两个室层达到最大容量,多余的流体将通过溢流口排出。半透明的「窗口层」位于顶部,为用餐者提供了室层的视图,以便他们可以看到计算是否成功,成功则表示糖果可以吃了。
与 Logic Bonbon 交互
用餐者与 Logic Bonbon 的交互始于他们对输入模块中的液体管施加压力,液体管中装着不同口味的调味汁。
图 5 展示了一个 Logic Bonbon 系统的例子,它带有两个偏好输入「x」和「y」。
这种设计让两种液体(输入)从移液管流出,通过底盘进入 Logic Bonbon(图 6)。
研究者演示了 Logic Bonbon 中的三个逻辑运算及其可能的结果:AND、OR、XOR(如图 7)。每个 Logic Bonbon 都被分配到不同的图标,用以区分三个逻辑门。AND 的门是心形,OR 的门是鸭子形状,XOR 的门是字母 I 的形状。
除了 Logic Bonbon 本身的偏好之外,它的逻辑功能在使用两个「偏好输入」时会生成四种可能的偏好输出:无偏好、偏好 x、偏好 y、混合偏好。
更多细节请参考原论文。
相关文章
- 【技术种草】cdn+轻量服务器+hugo=让博客“云原生”一下
- CLB运维&运营最佳实践 ---访问日志大洞察
- vnc方式登陆服务器
- 轻松学排序算法:眼睛直观感受几种常用排序算法
- 十二个经典的大数据项目
- 为什么使用 CDN 内容分发网络?
- 大数据——大数据默认端口号列表
- Weld 1.1.5.Final,JSR-299 的框架
- JavaFX 2012:彻底开源
- 提升as3程序性能的十大要点
- 通过凸面几何学进行独立于边际的在线多类学习
- 利用行动影响的规律性和部分已知的模型进行离线强化学习
- ModelLight:基于模型的交通信号控制的元强化学习
- 浅谈Visual Source Safe项目分支
- 基于先验知识的递归卡尔曼滤波的代理人联合状态和输入估计
- 结合网络结构和非线性恢复来提高声誉评估的性能
- 最佳实践丨云开发CloudBase多环境管理实践
- TimeVAE:用于生成多变量时间序列的变异自动编码器
- 具有线性阈值激活的神经网络:结构和算法
- 内网渗透之横向移动 -- 从域外向域内进行密码喷洒攻击