![4edc740ab08cca2147b6ee9f30f2cda3.png](https://i-blog.csdnimg.cn/blog_migrate/7ebe2fa6916eb98c195d76aff946ce09.jpeg)
【猎云网(微信号:)】10月28日报道 (编译:叶展盛)
一批人工智能、生命科学和化学方面的专家正在通过图神经网络来识别分子、预测气味。这批专家建立的模型性能已经超越了目前的所有方法,该模型诞生于DREAM嗅觉预测挑战赛。
这些研究员主要来自于谷歌、加拿大高等研究所、多伦多矢量人工智能研究所、多伦多大学和亚利桑那州立大学。这些研究人员相信,随着机器学习在分子识别领域应用水平的提高,机器智能将可以进行气味识别,就像让人工智能模拟视觉、听觉等其他感知能力。另外,研究人员还在尝试让机械臂获得触觉。
一篇相关论文里写道:“深度学习在嗅觉方面取得的进步,能帮助发现新的化学合成物,进而减少自然作物的需求,降低对生态环境的影响。通过气味识别模型推导出分子结构,可以帮助我们理解大脑嗅觉感知的运作方式。”
IBM Research和香水公司Symrise也在尝试通过机器学习来设计新的味道。研究员表示图神经网络非常适合结构-气味的量化关系模型(QSOR),后者能够预分子特性(例如气味)和类簇分子在矢量空间中的关系。从这个方面看,气味识别可以当做是一种多标签的分类问题,研究员称之为“嗅觉嵌入”,这类似于计算机将图像分解为红蓝绿三色。
研究员在论文中解释道:“通过将原子视为节点,化学键视为边缘,我们可以把分子看成一个图像。我们提出将图神经网路应用于QSOR模型,并借助嗅觉专家提供的数据库证明了它的性能远超现有的方法。分析表明,图神经网络的分析嵌入能够挖掘出分子结构和气味之间的潜在关系。”
这些研究人员利用数据库里5030份香水材料的分子数据训练自己的模型。每一个分子数据都让嗅觉专家贴上了标签,包括水果味、烤面包味等,并将之打乱。
为了加快嗅觉预测人工智能的进步,谷歌计划在将来公开更多相关的数据组。这方面的研究将能够对气味进行数字化,帮助人们发现更多闻不到的气味。