Эта нейронная сеть сопоставляет молекулы с ароматами

Сенсорные науки прошли долгий путь в объяснении того, как некоторые физические явления — например, определенная длина волны света или столб воздуха, вибрирующий с заданной частотой — соответствуют типичному опыту восприятия. Однако обоняние оказалось неуловимым. До недавнего времени просто не было возможности взять физические свойства соединения или структурную формулу молекулы и понять, как оно может пахнуть.

Используя тип алгоритма глубокого обучения, называемый графовой нейронной сетью, исследователи построили модель, которая сопоставляет химическую структуру с дескрипторами запаха. Модель успешно предсказала, как группа людей будет описывать новые запахи, и это может стать важным шагом на долгом пути к оцифровке запахов. Работа описана в исследовании, опубликованном 31 августа в журнале Science .

«Эта статья является важной вехой в предсказании запаха на основе химической структуры одорантов», — сказал Майкл Шмукер, профессор нейронных вычислений в Университете Хартфордшира в Англии. Хотя карты запахов должны быть полезны, и эта работа «представляет собой шаг вперед», сказал он, предлагаемые ими возможности, такие как обмен запахами через Интернет, потребуют гораздо больше работы.

В модели использовался особый тип графовой нейронной сети, называемый нейронной сетью передачи сообщений. Он был обучен на объединенном наборе данных парфюмерной промышленности, включающем более 5000 молекул, их структуры преобразованы в графики и помечены профессиональными заметками о запахах. Часть исследовательской группы работала в Google, когда работа началась, а некоторые с тех пор создали дочернюю компанию Osmo в январе 2023 года при поддержке Google Ventures, подразделения венчурного капитала Alphabet.

«Прогнозирующая сила графовых нейронных сетей позволила нам выполнить эту работу», — сказал соавтор Алекс Вильчко, генеральный директор Osmo.

В долгосрочной перспективе Osmo стремится оцифровать запахи так же, как можно записывать и передавать изображения и звуки. Полноценная оцифровка ароматов поможет разработать новые способы производства или анализа ароматов, что приведет к появлению широкого спектра новых продуктов и технологий, таких как медицинские тесты, методы лечения или протезы.

Имея только химическую структуру в виде графика новой молекулы (то есть всего, что не включено в обучающий набор), модель могла поместить ее на карту, по сути предсказывая, как можно описать запах. Основная карта запахов, как ее назвала команда, беспрецедентна для обоняния. «Эта основная карта запахов — первый шаг к тому, чтобы дать компьютерам обоняние», — сказал Вильчко.

Области дальнейших исследований включают интенсивность запаха; смеси и концентрации нескольких основных ароматических молекул; оцифровка реальных запахов, когда молекулярные структуры не являются данностью; и улучшение описательной силы.

Модель работала на графических процессорах Nvidia Tesla P100 . Хотя графические процессоры относительно мощные, Компания Mainland сравнивает текущую детализацию маркировки запахов с 8-битной графикой. Участники дискуссии описали одну молекулу как «острую, сладкую, жареную, маслянистую». Мастер-парфюмер, проконсультировавшись по поводу того же запаха, написал: «Лыжная база; камин без огня».

А если вам еще больше интересна тема ИИ, вы хотите знать больше и не пропускать новинки и обзоры, подпишитесь на канал в тг, мне будет приятно -

#запах #запахи #аромат #ии #иибудущее #будущее #искусственныйинтеллект #нейросети #парфюм #парфбмер #ароматы #исследование