谷歌科学家探索了如何训练AI根据分子结构预测物质的气味。这个数字嗅觉领域中的基本问题长期以来一直未得到解决。

由Stable Diffusion / Metaverse Post创建的图像

为了开发这个AI模型，研究人员利用了图神经网络的强大能力，这是一种专门针对图数据的AI形式。这种方法的美妙之处在于它能够将分子表示为图，其中原子为顶点，键为边。这种独特的表示法有助于有效分析分子特征。

该模型经过精心训练，使用的数据集包含5,000个分子，每个分子都配有相应的气味描述符，如“花香”或“水果香”。经过严格训练后，它在400个之前未见过的分子上进行了测试。

这个AI的表现超越了之前发表的模型，以至于用模型输出替代训练过的人的反应将改善整体面板描述。

神经网络展现了与普通人相当的能力，能够描述不熟悉物质的气味。更重要的是，它的表现优于传统的基于化学描述符的方法。

这个AI生成的“气味图”超越了气味描述。它可以无缝应用于各种与嗅觉相关的任务，如评估不同物质之间气味的相似性。因此，研究人员为解锁嗅觉世界的秘密铺平了道路，创造了一个多功能工具。

未来，像这样的模型可能会升级新香气和香水的发现。通过自动预测尚未合成的分子的气味，这些AI系统消除了昂贵实验测试的需要，显著加速了气味和风味的创新。

与视觉和听觉等其他感官不同，嗅觉缺乏将物理属性与感知属性联系起来的成熟地图。这个POM准确地表示了感知的层次结构和距离，甚至在气味描述上超越了人类评审。它预测气味强度和感知相似性，提供了对气味世界更深刻的理解。

查看更多关于AI的信息：

  • AI艺术生成器Midjourney和DALL-E的前50个文本到图像提示

  • 文本到3D：谷歌开发了一种从文本描述生成3D模型的神经网络

AI学习气味语言：神经网络从分子结构中解读气味的文章首次出现在Metaverse Post上。