U velikom otkriću, naučnici su napravili alat za predviđanje profila mirisa molekula, samo na osnovu njegove strukture. Može da identifikuje molekule koji izgledaju drugačije, ali imaju isti miris, kao i molekule koji izgledaju veoma slično, ali mirišu potpuno drugačije. Istraživanje je objavljeno u časopisu Science.
Profesorka Džejn Parker sa Univerziteta u Readingu je rekla: „Istraživanje vida ima talasnu dužinu, istraživanje sluha ima frekvenciju – i jedno i drugo se može meriti i proceniti instrumentima. Ali šta je sa mirisom? Trenutno nemamo način da izmerimo ili tačno predvidimo miris molekula, na osnovu njegove molekularne strukture.“
„Možete stići tako daleko sa trenutnim znanjem o molekularnoj strukturi, ali na kraju ćete biti suočeni sa brojnim izuzecima gde se miris i struktura ne poklapaju. To je ono što je zbunilo prethodne modele mirisa. Fantastična stvar u vezi sa ovim novim ML generisanim model je da ispravno predviđa miris tih izuzetaka.“
Istraživanje je primenilo mašinsko učenje kako bi se napravila „mapa mirisa“ koja će biti od neprocenjive vrednosti u radu sintetičkih hemičara u industriji hrane i mirisa. Takođe može otvoriti puteve za proizvodnju održivijih ukusa i mirisa.
Profesor Parker je rekao: „Kao hemičar ukusa, mnogo godina sam radio na mirisu, oslanjajući se uglavnom na svoj nos da bih opisao arome.
„Mapa ne funkcioniše samo za poznate mirise, i one koji su strukturno veoma slični. Može da opiše širok podskup nepovezanih molekula sa različitim molekularnim karakteristikama.
„Za istraživače u oblasti hrane i mirisa, ovo otvara neiskorišćeni izvor hiljada, ili možda miliona, potencijalnih mirisa.
Profesor Parker je radio sa kolegama u Monell Chemical Senses Centru na Univerzitetu u Pensilvaniji, Državnom univerzitetu Arizone i Osmou, kompaniji koja je izdvojena iz Guglove laboratorije za mašinsko učenje.
Uloga Univerziteta Reding je bila da proceni čistoću uzoraka koji se koriste za testiranje veštačke inteligencije. Proverili smo čistoću jedinjenja koja se koriste za testiranje predviđanja AI modela. Gasna hromatografija nam je omogućila da odvojimo nivoe nečistoća u tragovima i ciljnog molekula, tako da smo, kako su eluirali jedan po jedan iz instrumenta, mogli da osetimo miris svih pojedinačnih molekula i utvrdimo da li je miris bilo kog od jedinjenja u tragovima neodoljiv ( ili maskiranje) miris ciljnog molekula.
„Pronašli smo nekoliko uzoraka sa značajnim nečistoćama, među 50 testiranih. U jednom slučaju, nečistoća koju smo mogli da osetimo bili su tragovi reagensa korišćenog u sintezi ciljnog molekula i dali su uzorku prepoznatljiv miris putera koji je nadjačao odorant. zapravo smo bili zainteresovani za. U ovom slučaju smo mogli da objasnimo zašto je panel opisao miris kao puter, ali to se nije uklapalo sa predviđanjem modela, dok je naš deskriptor čistog jedinjenja jeste.“
Kada je veštačka inteligencija bila poučena podacima, njena sposobnost da predvidi miris novog jedinjenja bila je odlična. Ako radi ispravno, trebalo bi da odgovara prosečnim ocenama mirisa panela ljudi, što je i uspelo.
Dr Parker je rekao: „Kao alat za sintetičku hemiju, ovo će biti od neprocenjive vrednosti. Možemo ga koristiti da tražimo nove arome. Otvara mogućnost da se veliki broj molekula skrinira na aromu, baš kao što farmaceutska industrija radi za nove lekove.“
