谷歌科學家探索瞭如何訓練AI根據分子結構預測物質的氣味。這個數字嗅覺領域中的基本問題長期以來一直未得到解決。

由Stable Diffusion / Metaverse Post創建的圖像

爲了開發這個AI模型，研究人員利用了圖神經網絡的強大能力，這是一種專門針對圖數據的AI形式。這種方法的美妙之處在於它能夠將分子表示爲圖，其中原子爲頂點，鍵爲邊。這種獨特的表示法有助於有效分析分子特徵。

該模型經過精心訓練，使用的數據集包含5,000個分子，每個分子都配有相應的氣味描述符，如“花香”或“水果香”。經過嚴格訓練後，它在400個之前未見過的分子上進行了測試。

這個AI的表現超越了之前發表的模型，以至於用模型輸出替代訓練過的人的反應將改善整體面板描述。

神經網絡展現了與普通人相當的能力，能夠描述不熟悉物質的氣味。更重要的是，它的表現優於傳統的基於化學描述符的方法。

這個AI生成的“氣味圖”超越了氣味描述。它可以無縫應用於各種與嗅覺相關的任務，如評估不同物質之間氣味的相似性。因此，研究人員爲解鎖嗅覺世界的祕密鋪平了道路，創造了一個多功能工具。

未來，像這樣的模型可能會升級新香氣和香水的發現。通過自動預測尚未合成的分子的氣味，這些AI系統消除了昂貴實驗測試的需要，顯著加速了氣味和風味的創新。

與視覺和聽覺等其他感官不同，嗅覺缺乏將物理屬性與感知屬性聯繫起來的成熟地圖。這個POM準確地表示了感知的層次結構和距離，甚至在氣味描述上超越了人類評審。它預測氣味強度和感知相似性，提供了對氣味世界更深刻的理解。

查看更多關於AI的信息：

  • AI藝術生成器Midjourney和DALL-E的前50個文本到圖像提示

  • 文本到3D：谷歌開發了一種從文本描述生成3D模型的神經網絡

AI學習氣味語言：神經網絡從分子結構中解讀氣味的文章首次出現在Metaverse Post上。