Složeni mirisi lakše su za mapiranje nego što se očekivalo s pomoću strojnog učenja

Istraživači su postigli napredak u mapiranju složenih mirisa pomoću strojnog učenja, otkrivajući da su ti mirisi lakši za kvantificiranje nego što se ranije mislilo. Znanstvenici iz Centra za kemijska osjetila Monella, zajedno s suradnicima, razvili su metodu za predviđanje sličnosti između složenih smjesa mirisa s iznimnom točnost. Njihovi nalazi, detaljno opisani u studiji objavljenoj u Izvještajima Nacionalne akademije znanosti, sugeriraju da strojno učenje može učinkovito prevesti složenu prirodu mirisa u mjerljive podatke, potencijalno revolucionirajući područja od medicine do razvoja potrošačkih proizvoda.

Ovo otkriće je došlo zahvaljujući suradnji međunarodne grupe istraživača koji su sudjelovali u DREAM izazovu koji je organizirao tim. Cilj ovog izazova bio je poboljšati predviđanje moći modela strojnog učenja u određivanju koliko su slične dvije složene smjese mirisa.

Svaka usporedba je dodijeljena numeričkoj vrijednosti na kontinuiranoj skali od 0 do 1, što predstavlja uočenu sličnost između mirisa, gdje je 0 označio potpunu nerazlikljivost, a 1 predstavljala maksimalnu razliku.

Na kraju su četiri tima izjednačila najbolju izvedbu, a istraživači su kombinirali svoje modele s dva dodatna modela visokih performansi kako bi stvorili ansamblovski model.

Ovi su rezultati izazvali prevladavajuće pretpostavke unutar zajednice senzornih znanosti, koja je u velikoj mjeri vjerovala da bi predviđanje sličnosti složenih smjesa bilo znatno izazovnije od predviđanja svojstava pojedinačnih molekula.

Ovaj pristup usklađen je s naporima u drugim područjima, kao što su prepoznavanje boja i zvuka, gdje su matematičke reprezentacije omogućile tehnološke inovacije. Implikacije ovog istraživanja prevazilaze akademski interes. Primjene uključuju rano otkrivanje zdravstvenih stanja kroz olfaktorne biomarkerse, poboljšano profiliranje okusa u prehrambenoj industriji i poboljšane metode za razvoj i standardizaciju aromatičnih proizvoda.

Kako se to područje nastavlja razvijati, daljnje usavršavanje tehnika strojnog učenja vjerojatno će igrati ključnu ulogu u unapređenju našeg razumijevanja ljudske percepcije i njezinih praktičnih primjena.