科研前沿 | AI助力香精香料开发

AI助力香精香料产品研发

//////////////////////

    长期以来，像药物分子一样，新的香料分子的诞生往往需要科学家们付出巨大的努力。随着人工智能技术的发展，“AI+”香料或许也将为香料行业带来变革。从目前来看，AI已经能够创造声音与画面，但AI似乎离创造气味还很遥远。原因之一可能在于，在人类的感官系统中，人们早已将视觉与听觉与可探测的信号建立了直接关联，例如可以通过光的波长、声音的频率准确复现颜色、音调，然而对于嗅觉与味觉而言，至今仍未建立一种能够准确描述味道的体系。

    不过，可以确认的是，已有充分的实证说明有机物的化学结构与味道之间存在着一定的关联。例如，大多数酯都具有淡淡的水果味，α-二酮类化合物散发着砂糖被烤焦时的甜味。

探索新的气味分子

    在这一波AI的创新浪潮中，也有团队开展了利用机器学习技术探索分子结构与气味的关联的研究。由纽约洛克菲勒大学的Andreas Keller领导的研究团队组织了DREAM 嗅觉预测挑战赛，利用大型嗅觉心理物理数据集，各团队开发了机器学习算法，根据分子的化学信息学特征来预测分子的感官属性。模型定量地证实了一些化学特征与味道感知的关联，例如含硫分子与“烧焦”（r = 0.661; P < 10^–62）、“大蒜”（r = 0.413; P < 10^–22）这样的感受相关，“愉悦度”与分子大小、分子结构与紫杉醇和苯乙酸香茅酯的相似度相关等等。谷歌研究院（Google Research）的初创公司Osmo开发了基于图神经网络的算法，探究分子结构与气味的关联，并生成了嗅觉高维图谱（POM），直观地展示了气味之间的相对感知距离。约有50万种气味分子被定位到这张图谱中，远超人类已知的气味分子数量。

嗅觉高维图谱（POM）

创造香水配方

    相对于未知的新结构，AI对已知的香料配方的了解则是毋庸置疑的。由IBM Research（国际商业机器公司研究中心）与德之馨在2018年合作开发的AI香水调试系统Philyra，不仅有170万种香水的配方数据，还有各个国家，性别，年龄消费人群的香水偏好的数据，根据购买者的国家、性别、年龄等信息，AI可以生成这位顾客的最优香水配方。另一行业巨头奇华顿于2019年推出了人工智能调香系统Carto，他能够“思考”来自世界各地的近 5,000 种成分，使用 Carto 的视觉“气味价值地图”，调香师可以绘制创新组合的蓝图，并在机器人的帮助下立即将它们转化为香水样品。借助算法的力量，人类的嗅觉地图正在快速扩展。