Международная группа ученых с участием исследователей Института Вейцмана использовала машинное обучение для распознавания и математического описания сложных запахов. Результаты исследования опубликованы в научном журнале PNAS.
В отличие от цвета, который можно описать с помощью стандартизированной системы координат, для запахов до сих пор не существовало универсального математического представления. Это связано с тем, что большинство ароматов состоит из десятков и даже сотен различных молекул, взаимодействующих между собой.
Ученые поставили задачу создать систему, которая могла бы определять сходство между различными ароматами. Для этого в рамках научного соревнования DREAM challenge исследователи сформировали стандартизированный набор данных, включивший 168 отдельных молекул и 731 ароматическую смесь.
В разработке алгоритмов участвовали 26 научных команд. Они создавали модели машинного обучения, способные предсказывать, насколько похожими люди будут воспринимать различные пары запахов. После объединения наиболее успешных подходов ученые получили модель с высокой точностью прогнозирования.
Одним из наиболее неожиданных результатов стало то, что прогнозирование запаха сложных смесей оказалось не существенно сложнее, чем прогнозирование запаха отдельных молекул. По данным исследователей, восприятие смеси во многих случаях можно приблизительно представить как среднее значение характеристик ее компонентов.
Кроме того, алгоритмы лучше описывали запахи с помощью привычных человеку характеристик — например, «фруктовый», «сладкий» или «древесный», — чем исключительно с использованием химических характеристик молекул.
По мнению исследователей, это свидетельствует о том, что языковые описания запахов отражают особенности того, как человеческий мозг обрабатывает ароматическую информацию.
Оцифровка запахов может иметь практическое применение сразу в нескольких областях. В медицине технологии анализа ароматических молекул потенциально могут использоваться для выявления характерных запаховых маркеров некоторых заболеваний, включая диабет и болезни печени.
В пищевой промышленности математическое описание ароматов может помочь стандартизировать вкус и качество продуктов, а в парфюмерной отрасли — ускорить разработку новых ароматов и упростить защиту уникальных парфюмерных композиций.
Исследователи считают, что технология способна сократить зависимость от длительного процесса проб и ошибок при создании новых ароматических продуктов, заменив часть таких процедур математическим моделированием.
