机器学习技术是一个重要的和广泛的计算领域，其中算法基于其处理的数据进行预测而没有被明确地编程。因此，将机器学习与3D打印相结合的前景，正如UCLA的研究人员在一个新项目中可以看出的，这绝对是一个令人兴奋的领域。使用具有可以通过机器学习技术修改的传感器的3D打印原型检测器，研究人员已经展示了一种新的、更有效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。这可以改善严重感染和疾病的治疗和诊断方式。
等离子体感测已经在医学研究中使用多年，以便收集关于亚微观级别的物质组成的信息。该方法将光照射到金属纳米结构上，放大局部电场。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，并且这允许他们研究关于分子浓度和动力学的有价值的事物。
然而，由于所涉及的仪器的成本和庞大性，在实验室环境外使用等离子体感测已经受到限制。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副主任Aydogan Ozcan领导，他们现在开发了一种移动的、便宜的等离子体激元读取器的原型，它比传统的传感器设计更精确。
据悉，该原型利用机器学习技术来确定在等离子体感测过程中应当使用什么类型的光源，因为该技术允许特定算法适应于其呈现的数据，并且“训练”自身以做出决定。它在其他领域有广泛的应用，其中一个更值得注意的是光学字符识别。Google的地图软件可以准确地读取房屋和街道上的数字和字母，但对于这个任务来说，预编程的算法将是不可行的。
在等离子体感应原型的情况下，存在可以用于传感器的成千上万种不同类型的LED，因此机器学习技术允许更有效和准确地确定用于特定情况的四个最合适的LED。并且可以根据应当捕获的生物目标修改传感器。
阅读器包括这四个不同颜色的LED，一个相机和3D打印塑料外壳。为了使用该装置，需要将样品施加到传感器，随后将其装配到放置在读取器内部的盒中以进行自动测量和分析。3D打印技术可以制造成本低廉的原型，但仍然耐用，并且可以适当修改设计以适应不同的情况。
Ozcan和他的团队希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进自己的等离子体读取器设备。他们报告说，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。这将进一步降低生产成本，以及利用云连接和电话的计算能力。
再次，我们可以看到3D打印的便利性，使得设计比传统解决方案便宜得多，而且效率更高，且更具适应性。这种无限的适应性是机器学习也分享的东西。我们希望在未来的项目中可以看到更多的跨学科组合的这些突破，特别是那些不仅是创新，而且有潜力挽救生命的项目。