Ученые научились оцифровывать сложные запахи с помощью ИИ

Международная группа ученых разработала подход, позволяющий с помощью машинного обучения математически описывать сложные запахи и определять, насколько похожими их воспринимает человек. Результаты исследования опубликованы в научном журнале PNAS.

Если цвет можно представить с помощью стандартизированной системы координат, то с запахами сделать это значительно сложнее. Многие ароматы состоят из десятков и даже сотен молекул, взаимодействие которых формирует итоговое восприятие.

Исследователи попытались приблизиться к созданию своеобразной «карты запахов», которая позволила бы математически определять сходство между разными ароматами.

Для этого в рамках научного соревнования DREAM Challenge был сформирован стандартизированный набор данных из 168 отдельных молекул и 731 ароматической смеси.

К работе подключились 26 научных команд. Они разрабатывали модели машинного обучения, которые должны были предсказывать, насколько похожими люди воспринимают разные пары запахов. Затем наиболее успешные подходы объединили в одну модель, повысив точность прогнозирования.

Сложные ароматы оказались не такими сложными для ИИ

Одним из неожиданных результатов исследования стало то, что предсказывать восприятие сложных ароматических смесей оказалось не намного труднее, чем запах отдельных молекул.

Исследователи выяснили, что во многих случаях восприятие смеси можно приблизительно описать через усредненные характеристики входящих в нее компонентов.

Еще одна интересная деталь: алгоритмы лучше справлялись с описанием запахов, когда использовали понятные человеку характеристики – например, «фруктовый», «сладкий» или «древесный», – а не только химические параметры молекул.

Полученные результаты приближают ученых к созданию универсального способа цифрового представления запахов – аналога систем, которые уже существуют для описания цвета.