由材料科學與工程系的Keon Jae Lee教授領導的KAIST（韓國科學技術院）研究團隊開發了一種用于揚聲器識別的基于機器學習的聲學傳感器（該論文發表在《Nano Energy》其題目為《基底膜啟發式自供電聲傳感器》和《用于語音識別的基于機器學習的聲學傳感器》）。聲學傳感器作為人類和機器之間最直觀的兩方通信設備之一而受到關注。然而，傳統的聲學傳感器使用電容器型裝置來測量兩個導電層之間的電容，導致靈敏度低，識別距離短以及揚聲器識別率低。

該小組通過模仿人類耳蝸中的基底膜，制造了一種柔性壓電薄膜。諧振頻率振動梯形壓電薄膜的相應區域，該區域通過高度靈敏的自供電聲學傳感器將聲音轉換為電信號。這種可以從更遠距離探測到微小聲音的多聲道壓電聲學傳感器的靈敏度是傳統聲學傳感器的兩倍多，它可以提供更多的語音信息。此外，該聲學傳感器使用機器學習算法可以實現97.5%的揚聲器識別率，比參考麥克風降低75%的錯誤率。

一種模擬人工耳蝸的柔性壓電聲學傳感器

人工智能揚聲器識別是未來個性化定制服務的下一個重點。然而，傳統技術試圖通過使用軟件升級來提高識別率，導致揚聲器識別率受限。該團隊用創新的柔性壓電聲學傳感器取代了現有的硬件進而改進了揚聲器識別系統。

壓電聲傳感器的進一步軟件改進，將大大提高不同環境下的揚聲器和語音識別率。Lee教授說:“用于揚聲器識別的高靈敏度的自供電聲學傳感器可用于個性化語音服務，如智能家用電器、人工智能秘書、全天候物聯網、生物認證和金融科技。”