機器學習技術是一個重要的和廣泛的計算領域，其中算法基于其處理的數據進行預測而沒有被明確地編程。因此，將機器學習與3D打印相結合的前景，正如UCLA的研究人員在一個新項目中可以看出的，這絕對是一個令人興奮的領域。使用具有可以通過機器學習技術修改的傳感器的3D打印原型檢測器，研究人員已經展示了一種新的、更有效的方式來檢測微小物品，例如癌癥生物標志物、病毒和蛋白質。這可以改善嚴重感染和疾病的治療和診斷方式。

　　等離子體感測已經在醫學研究中使用多年，以便收集關于亞微觀級別的物質組成的信息。該方法將光照射到金屬納米結構上，放大局部電場。可以測量該領域與研究者感興趣的特定分子之間的相互作用，并且這允許他們研究關于分子濃度和動力學的有價值的事物。

　　然而，由于所涉及的儀器的成本和龐大性，在實驗室環境外使用等離子體感測已經受到限制。UCLA團隊由加州納米系統研究所電氣工程和生物工程教授兼副主任Aydogan Ozcan領導，他們現在開發了一種移動的、便宜的等離子體激元讀取器的原型，它比傳統的傳感器設計更精確。

　　據悉，該原型利用機器學習技術來確定在等離子體感測過程中應當使用什么類型的光源，因為該技術允許特定算法適應于其呈現的數據，并且“訓練”自身以做出決定。它在其他領域有廣泛的應用，其中一個更值得注意的是光學字符識別。Google的地圖軟件可以準確地讀取房屋和街道上的數字和字母，但對于這個任務來說，預編程的算法將是不可行的。

　　在等離子體感應原型的情況下，存在可以用于傳感器的成千上萬種不同類型的LED，因此機器學習技術允許更有效和準確地確定用于特定情況的四個最合適的LED。并且可以根據應當捕獲的生物目標修改傳感器。

　　閱讀器包括這四個不同顏色的LED，一個相機和3D打印塑料外殼。為了使用該裝置，需要將樣品施加到傳感器，隨后將其裝配到放置在讀取器內部的盒中以進行自動測量和分析。3D打印技術可以制造成本低廉的原型，但仍然耐用，并且可以適當修改設計以適應不同的情況。

　　Ozcan和他的團隊希望他們的工作可以作為一個設計工具為其他研究人員和科學家在現場改進自己的等離子體讀取器設備。他們報告說，這種不可缺少的醫療設備甚至可以被設計為智能手機附件。這將進一步降低生產成本，以及利用云連接和電話的計算能力。

　　再次，我們可以看到3D打印的便利性，使得設計比傳統解決方案便宜得多，而且效率更高，且更具適應性。這種無限的適應性是機器學習也分享的東西。我們希望在未來的項目中可以看到更多的跨學科組合的這些突破，特別是那些不僅是創新，而且有潛力挽救生命的項目。