预测分子的结构和气味之间的关系仍然是一个难题。这个问题,称为 定量结构-气味关系(QSOR)建模，是化学领域的一个重要挑战，对合成香料的生产有很大的潜在影响。

　　谷歌的一组研究人员最近发表了一篇论文，研究他们如何训练一个神经网络，将一个分子的结构与其气味联系起来。(照片:?grinvalds / Istock.com)

　　一组谷歌研究人员于2019年10月23日发表了一篇论文，探讨如何利用机器学习来发现分子气味与其结构之间的关系——科学家们70多年来一直试图量化这种关系。

　　虽然分子结构可以让科学家们洞察事物的外观或声音，”预测一个分子的结构和它的气味之间的关系仍然是一个困难的，有几十年历史的任务。”;

　　这些科学家使用机器学习来寻找这种潜在的定量关系，这种方式让人联想到深度学习是如何被用来预测视觉和听觉特征的。

　　使用 一个5030个分子的数据集嗅觉专家(比如专业香水师)用气味描述符(比如水果味、bready味、坚果味和奶酪味)来标记，研究小组训练了一个图形神经网络，根据分子的形状来预测这些标签。分子的局部和整体成分在感知和结构上的相似性帮助这个神经网络识别哪些部分负责哪些香味节点。

　　根据这篇论文，能够使用机器学习来预测基于分子结构的气味将“有助于发现新的合成气味”，这样自然产物就不需要收获这么多。

　　香水的最新趋势和创新将于2019年11月7日在纽约国际展览中心展出 香味创新峰会在巴黎。

　　项目和注册:www.fragrance anceinnovation.com