機器學習模型創建定制氣味和香水

目前，人們僅根據氣味劑的物理化學特征來預測嗅覺印象。但是，該方法無法預測傳感數據，而傳感數據對于產生氣味是必不可少的。為了解決這個問題，日本東京工業大學研究人員采用了逆向思維的創新策略，不是根據分子數據預測氣味，而是根據氣味印象預測分子特征。這是使用標準質譜數據和機器學習模型實現的。研究成果發表在最近的《公共科學圖書館：綜合》上。

東京工業大學研究負責人中本高道教授解釋說：“我們使用了一個基于機器學習的氣味預測模型，以獲得氣味印象。然后，我們根據先前開發的正向模型逆向預測了氣味印象的質譜。”

嗅覺是動物的基本感官之一，對于尋找食物、展現吸引力和感知危險至關重要。人類利用在嗅神經細胞中表達的受體檢測氣味。這些嗅覺對神經細胞的嗅覺印象與其分子特征和物理化學性質有關。這樣就可定制氣味以產生預期的氣味印象。

氣味混合物的質譜是通過單個組分的質譜的線性組合獲得的。這種簡單的方法可快速生成氣味混合物的預測質譜，還可預測所需的混合比例，這是新氣味制備配方的重要組成部分。

中本高道強調：“我們展示了哪些分子使蘋果風味的質譜具有增強的‘水果’和‘甜’的印象。我們的分析方法表明，59或60個分子的組合能產生與從指定的氣味印象中獲得的分子相同的質譜。有了這些信息，以及某種印模所需的正確混合比例，理論上可制備所需的任何香味。”

研究人員指出，本研究中描述的這種新方法可高度準確地預測氣味混合物的物理化學性質，以及制備它們所需的混合比例，從而為無盡的定制香料打開大門。