一批人工智能、生命科學和化學方面的專家正在通過圖神經網絡來識別分子、預測氣味。這批專家建立的模型性能已經超越了目前的所有方法，該模型誕生于DREAM嗅覺預測挑戰賽。

　　這些研究員主要來自于谷歌、加拿大高等研究所、多倫多矢量人工智能研究所、多倫多大學和亞利桑那州立大學。這些研究人員相信，隨著機器學習在分子識別領域應用水平的提高，機器智能將可以進行氣味識別，就像讓人工智能模擬視覺、聽覺等其他感知能力。另外，研究人員還在嘗試讓機械臂獲得觸覺。

　　一篇相關論文里寫道：“深度學習在嗅覺方面取得的進步，能幫助發現新的化學合成物，進而減少自然作物的需求，降低對生態環境的影響。通過氣味識別模型推導出分子結構，可以幫助我們理解大腦嗅覺感知的運作方式。”

　　IBM Research和香水公司Symrise也在嘗試通過機器學習來設計新的味道。研究員表示圖神經網絡非常適合結構-氣味的量化關系模型(QSOR)，后者能夠預分子特性(例如氣味)和類簇分子在矢量空間中的關系。從這個方面看，氣味識別可以當做是一種多標簽的分類問題，研究員稱之為“嗅覺嵌入”，這類似于計算機將圖像分解為紅藍綠三色。

　　研究員在論文中解釋道：“通過將原子視為節點，化學鍵視為邊緣，我們可以把分子看成一個圖像。我們提出將圖神經網路應用于QSOR模型，并借助嗅覺專家提供的數據庫證明了它的性能遠超現有的方法。分析表明，圖神經網絡的分析嵌入能夠挖掘出分子結構和氣味之間的潛在關系。”

　　這些研究人員利用數據庫里5030份香水材料的分子數據訓練自己的模型。每一個分子數據都讓嗅覺專家貼上了標簽，包括水果味、烤面包味等，并將之打亂。

　　為了加快嗅覺預測人工智能的進步，谷歌計劃在將來公開更多相關的數據組。這方面的研究將能夠對氣味進行數字化，幫助人們發現更多聞不到的氣味。

特別提醒：本網內容轉載自其他媒體，目的在于傳遞更多信息，并不代表本網贊同其觀點。其原創性以及文中陳述文字和內容未經本站證實，對本文以及其中全部或者部分內容、文字的真實性、完整性、及時性本站不作任何保證或承諾，并請自行核實相關內容。本站不承擔此類作品侵權行為的直接責任及連帶責任。如若本網有任何內容侵犯您的權益，請及時聯系我們，本站將會在24小時內處理完畢。