آگاه: به نقل از اینترستینگ انجینرینگ، این سیستم از یادگیری ماشینی برای تفسیر سیگنال‌های شیمیایی و دسته‌بندی طعم‌ها، حتی مواردی که قبلا مشاهده نشده‌اند، استفاده می‌کند. نکته متمایز این نوآوری، توانایی عملکرد در شرایط مرطوب است که برای نخستین‌بار در سیستم‌های چشایی مصنوعی رخ می‌دهد. این ویژگی باعث می‌شود گیرنده‌های چشایی انسان بهتر شبیه‌سازی شوند.دستگاه مذکور با استفاده از لایه‌های اکسیدگرافن در ساختاری نانوسیال ساخته شده و برخلاف نمونه‌های پیشین، حسگری و پردازش داده‌ها را در یک پلتفرم یکپارچه ترکیب کرده است. این موضوع موجب شده سیستم نسبت به زبان‌های مصنوعی قبلی یکپارچه‌تر و کارآمدتر باشد.اکسیدگرافن، مشابه گرافن خالص، هنگام تماس با مواد شیمیایی مختلف واکنش الکتریکی نشان می‌دهد. محققان این پروژه، حسگر را با سیگنال‌های ۱۶۰ ماده شیمیایی مرتبط با طعم‌های معمول آموزش دادند. این سیگنال‌ها سپس به الگوریتم‌های یادگیری ماشین داده شدند تا حافظه‌ای از نحوه تاثیر هر طعم بر رسانایی ماده ساخته شود. فرآیند یادگیری به دقت نشان می‌دهد که مغز انسان چگونه سیگنال‌های گیرنده‌های چشایی را پردازش می‌کند. روش یادگیری به طور دقیق فرایند پردازش سیگنال‌های گیرنده‌های چشایی را تقلید می‌کند. از دیرباز تصور می‌شد انسان‌ها پنج طعم شیرین، شور، تلخ، ترش و اومامی را می‌شناسند، اما در سال ۲۰۲۳ میلادی محققان طعم ششم یعنی کلرید آمونیوم را نیز معرفی کردند. زبان مصنوعی تازه ابداع شده روی چهار طعم نخست تمرکز دارد و طعم‌های آموزش‌دیده را با دقت ۹۸.۵ درصد شناسایی کرد. هنگام افزودن ۴۰ طعم جدید، دقت شناسایی بین ۷۵ تا ۹۰ درصد بود. همچنین پژوهشگران به زبان مصنوعی آموزش دادند که ترکیب‌های پیچیده‌تر، از جمله طعم‌های موجود در قهوه و نوشابه را نیز شناسایی کند.