Et lille team af kemiingeniører ved Norges Universitet for Videnskab og Teknologi, der arbejder sammen med en kollega fra IA Murins Startups, har udviklet en måde at bruge maskinlæring til at replikere lugte og derefter validere dem ved hjælp af eksperimentel kvantificering af parfumeopfattelse. Gruppen har udsendt et papir, der beskriver deres forskning i arXiv preprint server.
Tidligere forskning har vist, at det er muligt at bruge maskinlæring/AI-applikationer til at generere molekyler med ønskede lugte, hvad enten det er til parfume eller til kemikalier tilsat fødevarer. Men sådanne applikationer, bemærker forskerne, går ikke langt nok i at hjælpe med at udvikle virkelig nyttige dufte.
Molekyler i en given parfume interagerer med miljøet før deres introduktion til næsen - og sådanne interaktioner kan have en dybtgående effekt på dem. Forskerne påpeger også, at parfumer og andre lugtudsendende materialer har tidsfølsomme komponenter, der fører til ændringer som tiden går.
Parfumer, for eksempel, har, hvad der beskrives som "topnoter" - de lugte, der lugtes kort efter emission i luften. De har også mellemtoner og bastoner, som kan hænge i timevis eller dage.
I denne nye undersøgelse forsøgte forskerne at skabe en AI-applikation, der kunne tage alle sådanne faktorer i betragtning, ved først at fokusere på kun to eksisterende dufte.
De begyndte deres arbejde med at skabe en grundlæggende AI-applikation, som de trænede på en database med kendte molekyler med kendte duftnoter. De skabte et væld af molekyler, der matchede visse ønskede egenskaber, og derefter valgte de en undergruppe af de skabte molekyler, som forventes at fordampe på måder, der ligner den originale duft. De sluttede med at bruge en anden AI til at reducere og minimere uoverensstemmelser.
Efter et logisk tjek fandt de ud af, at opskrifterne på deres molekyler var tæt på dem, de oprindeligt havde ledt efter. De planlægger at fortsætte med at arbejde med deres applikationer for at nå det ultimative mål om at bruge AI til at generere enhver lugt, der ønskes, efter behov – en udvikling, der kunne give computere og andre enheder midlerne til at generere lugte på måder, der ligner den nuværende billedgenerering.
Flere oplysninger: Bruno C. L. Rodrigues et al., Molecule Generation and Optimization for Efficient Duft Creation, arXiv (2024). DOI:10.48550/arxiv.2402.12134
Journaloplysninger: arXiv
© 2024 Science X Network