9月6日消息：最近，研究人员利用一种名为图神经网络的深度学习算法，成功建立了一种模型，能够将化合物的结构映射为气味描述。该模型能够准确预测人类小组如何描述新的气味，这标志着气味数字化迈出了重要的一步。相关研究成果于8月31日发表在《科学》杂志上。

具体而言，研究人员采用了一种特殊类型的图神经网络，即消息传递神经网络。他们在一个香料工业数据集上进行了训练，该数据集包含超过5000种分子，每个分子都转换成了图形，并且附带了专业的气味笔记。值得一提的是，参与此项工作的某些研究人员之前在谷歌工作，而他们中的一部分人于2023年1月创办了一家名为Osmo的衍生公司，该公司得到了Alphabet旗下风险投资部门Google Ventures的支持。

研究人员认为，图神经网络的预测能力是实现该工作的关键。该模型生成了一个空间表示，显示了不同分子气味描述符的相似性。该模型具有超过250个维度，比传统的颜色表示更为复杂。只需提供一种新分子的化学结构图，该模型就能够将其映射到气味描述，并可以从本质上预测该分子可能具有的气味特征。研究人员将其称之为主要气味映射，这在嗅觉感官领域是前所未有的。

为了验证模型的性能，研究人员将400种新分子的评估结果与一个由15位经过训练的小组成员组成的评分进行比较。这个小组可以识别55种气味标签。尽管模型的表现尚不完美，但在53%的时间内，模型的评估结果优于中位数的小组成员。换句话说，用该模型替换小组的某一成员可能会改善气味描述。

尽管已经取得了一定的进展，但研究人员也意识到嗅觉具有主观性和个体差异性。此外，还需要进一步研究气味强度、多种基本气味分子的混合物和浓度、对真实世界气味进行数字化以及提高描述准确性等方面的问题。

总的来说，这项工作代表了一个重要的里程碑，首次成功建立了化学结构到气味描述的映射。该研究为开发新的气味生产或分析方法奠定了基础，可能会促进各种新产品和技术的涌现，如医疗测试、治疗或假肢。然而，要实现共享气味等潜在可能性，还需要进行更多的研究工作。