香水界的黑科技：AI助力设计新香型

挪威的一个研究团队最近发表论文[1]，介绍了如何应用图神经网络等技术生成新的香水香型。该研究根据已知香水的分子结构以及对应的香型特征，包括内含的香味成分（例如果香、花香、柠檬等）、每种香味成分的浓淡程度、每种香味成分的挥发速度等，训练出图神经网络；接下来，利用训练出的图神经网络，根据希望生成的新香型的特征，生成新的分子结构；最后，经过优化步骤，生成尽可能接近目标特征的新香型。

上述技术，以及其它的一些AI和机器学习技术，为香水行业带来了更多的创新机会。以下是更多几个香水行业应用AI和机器学习的思路和例子。

香型复制

利用类似于本文开始介绍的技术，可以进行香型复制，特别是复制罕见的、或者原料供应不足的香型。

发现新的驱蚊化学原料

蚊子是靠气味来找到人的。现有的大多数驱蚊药水依靠干扰蚊子的嗅觉来达到驱蚊效果。一家名为Osmo的美国AI初创公司根据大量原料的化学结构以及对应的驱蚊效果，训练出神经网络，可以针对输入的化学结构推理出对应的驱蚊效果，从而为发现新的驱蚊化学原料提供了新的途径。

发现香水的替代原料

IBM公司与德国的香水生产厂商Symrise合作开发的新一代Philyra产品，可以从大量的香水原料数据和香水配方中，发现可再生、更加环保的香水原料。

智能香水瓶

欧洲的一家初创公司推出的智能香水瓶NINU，是一个预先放入很多种香水原料、可以进行香水原料智能混合的香水瓶。使用者可以通过手机控制智能香水瓶，混合出自己喜欢的香型；也可以由手机根据场合、情绪、天气等建议适宜的香型。

个性化香型

荷兰AI初创公司ScenTronix开发出的产品通过问卷了解用户的喜好和个性，然后使用强化学习训练出的模型，用不同的香水成分，为用户配制出个性化的香水。

封面图：Jessica Weiller、Unsplash

参考文献：
[1] Rodrigues, B. C. L., Santana, V. V, Murins, S., & Nogueira, I. B. R. (2024). Molecule Generation and Optimization for Efficient Fragrance Creation. https://arxiv.org/pdf/2402.12134.pdf