计算机嗅觉技术突破：从分子结构预测气味

计算机嗅觉技术突破：从分子结构预测气味

主要气味地图的突破

数字嗅觉科学的核心突破是主要气味地图（POM）的创建。在视觉被数字化之前，需要一种称为RGB的映射来显示每种颜色如何由不同比例的红、绿、蓝组成。某中心的研究团队在气味领域做出了类似且卓越的工作——他们使用机器学习将分子结构直接映射到人类如何感知该分子的气味。

研究团队首先在来自多个香精和香料数据库的大约5000个分子上训练了一个图神经网络（GNN）。所有这些分子的气味都被充分记录，含有多个人类评判的气味标签，如牛肉味、花香或薄荷味。由此，模型能够学习分子结构和气味之间的联系，而无需了解人嗅闻气味时鼻子或大脑中实际发生的情况。

验证与性能

关键问题是：POM能否推广到仅基于分子结构预测其从未见过的分子的气味？它能否像训练有素的人类评级员那样出色地完成这项任务？为了找到答案，研究团队选取了POM之前未见过的400多种气味分子的多样化集合，并让模型盲目预测它们的特征。然后一组训练有素的人类评级员嗅闻并标记了相同的气味。

当团队比较结果时，他们感到欣喜。模型不仅成功预测了这些未见分子的气味，表现与训练有素的人类相当，而且其预测的气味特征比任何单个小组成员的结果更接近小组的平均结果。

气味的分组与组织

POM不是典型意义上的地图，但仍然可以与RGB地图进行比较。在二维颜色地图上随机选择两个点。这两个点越接近，颜色就越相似。对于POM中的气味也是如此，尽管这个地图存在于令人费解的256个维度中。例如，所有闻起来像郁金香的分子都彼此靠近。同样，闻起来像白兰地的分子也是如此。

放大一点看，所有的花朵都彼此相邻。在这个气味地图中有一个完整的花朵泛大陆！团队没有告诉它这样做。这种分组对于木材、面包店类型的气味、酒精气味等也是如此。我们的大脑似乎以嵌套的层次结构组织气味。

商业应用与未来发展

虽然对技术的未来有大胆的想法，但首要任务是将公司建立在坚实的商业基础上。目前，团队专注于为全球香精类别开发新成分。团队正在使用POM探索气味分子的世界——大约有数十亿个——并专注于POM预测具有有趣和强烈嗅觉特征的分子。

团队正在与顾问合作，包括法国调香大师，潜在客户包括香精公司和包装商品公司。这项努力非常及时。全球香精类别价值超过100亿美元，并且稳步增长。但一些传统成分可能导致过度采伐或其他生态危害，而随着对更安全、更可生物降解产品需求的增长，其他成分的特性越来越不足。

技术基础：图神经网络

所有这些只有在过去六年左右才成为可能。启动这个科学项目的核心见解是，由于最近GNN的兴起，机器学习在"分子方面变得非常擅长"。

以前，机器学习方法主要将输入——比如图像或数据数组——转换为矩形或数据网格进行处理。分子不适合这种模式：一个分子可能有两个原子，或者可能有20个原子，具有完全不同的结构和连接性。它们根本不能简化为矩形或网格。

相反，分子中的原子可以被视为节点，它们之间的化学键可以被视为边，形成图结构。这种表示允许GNN建模和处理分子数据。

拯救生命的潜力

以蚊子为例。POM能否用于找出哪些气味能驱除这些携带疾病的昆虫？

为了找出答案，他们用额外的数据源增强了POM。第一个是被遗忘已久的美国政府报告，发表于1940年代，其中包含测试19000种化合物的驱蚊效果结果。第二个是某荷兰公司提供的信息，该公司开发疟疾控制技术。增强的模型很快就能预测出全新的分子，其驱避效果至少与最有效驱蚊剂中的活性成分DEET一样强大。

更便宜、更有效和更安全的驱虫剂的开发可能对全球健康产生巨大影响。这项研究正在与某基金会合作进行。

未来的愿景

展望未来，愿景是数字化我们的嗅觉。这个想法并不像听起来那么牵强。考虑几百年前。能够瞬间捕捉视觉瞬间——孩子脸上转瞬即逝的表情或盛开的苹果园——并永远以完美的色彩保存下来，这简直是魔法思维。

到1820年代出现了第一批摄影技术，随之而来的是人类掌握光世界的第一步。今天，冻结那些视觉记忆并永远保存它们感觉像是一项基本权利。听觉世界也是如此。

我们知道数字化人类感官需要什么。我们不必等待视觉所做的任何发明——特别是集成电路。事实上，凭借现代计算能力和机器学习的利用，计算机将在一二十年内拥有"嗅觉"。需要三个阶段："读取"气味、理解气味和"写入"气味。团队希望理解，并最终策划各种安全的合成分子，可以重现整个人类气味景观。

健康应用的窗口

高水平地感知和理解气味可能足以预示强大的健康应用。例如，众所周知，包括某些癌症在内的严重疾病可以通过它们对呼吸的影响来检测。能够捕捉该气味特征的快照——用创始人的话说是"气味图"——可以揭示我们体内发生的大量情况。

不知道这项技术最终是否会对医疗保健产生变革性影响，但创始人打赌它会的。开发临床诊断应用是团队的北极星，但所需的纯粹成本和人才是稀有且昂贵的，因此不能是团队首先攻占的海滩。
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）