AI可以识别香气了 利用神经网络让你“看见”气味

　　要点:

　　利用图神经网络建立了分子结构与气味描述之间的首个映射

　　该模型可以根据分子的化学结构预测气味描述

　　这可能是实现气味数字化的重要一步，但要落实共享气味等可能性还需更多工作

　　近日，研究人员利用一种称为图神经网络的深度学习算法，建立了一种模型，能够将化合物的结构映射到气味描述。该模型已成功预测人类小组如何描述新的气味，最终实现气味的数字化。这项工作发表在8月31日的《科学》杂志上。

　　具体来说，研究人员使用了一种特定类型的图神经网络，即消息传递神经网络。它在一个香料行业数据集上进行训练，该数据集包含超过5000种分子，其结构转换为图形，并标记了专业的气味笔记。研究小组的一部分人员在这项工作开始时就在谷歌工作，其中一些人则在2023年1月成立了一家衍生公司Osmo，由Alphabet的风险投资部门Google Ventures支持。

　　研究人员认为，图神经网络的预测能力使得他们能够完成这项工作。该模型产生了一个空间表示，显示不同分子的气味描述符的相似性。该模型包含超过250个维度，比色彩的类似表示更为复杂。仅给定一种新分子的化学结构图形式，该模型就可以将其放置在映射中，从本质上预测气味可能的描述方式。研究人员称之为主要气味映射，这在嗅觉感官方面是前所未有的。

　　为了验证模型的性能，将400种新分子的评估与一个15人小组的评级进行了比较，该小组经过训练，可以识别55种气味标签。模型的表现不是完美的，但53%的时间内，模型比中位小组成员更接近平均小组评估。换句话说，用模型替换一个小组成员可以改进组描述。

　　尽管取得了进展，但研究人员也意识到嗅觉的主观性和个体差异。此外，气味强度、多种基本气味分子的混合物和浓度、没有给定分子结构的真实世界气味的数字化、提高描述能力等方面还需要进一步研究。

　　总的来说，这项工作代表了一个重要的里程碑，首次建立了从化学结构到气味描述的映射。它为开发新的生产或分析气味的方式打下基础，可能导致各种新产品和技术的出现，例如医疗测试、治疗或假肢。但是，要实现像通过互联网共享气味这样的可能性，还需要做更多工作。