REKLAMAFBK 2020 - baner główny - 24.09.-19.11.2020

STREFA URODY

Zapachy

 

18 grudnia 2019, 13:45



wiadomoscikosmetyczne.pl

napisz maila ‹ | ostatnie artykuły ‹
Zespół badaczy Google opublikował niedawno artykuł na temat tego, jak wytrenowali sieć neuronową, aby połączyć strukturę cząsteczki z jej zapachem

Zespół badaczy Google opublikował niedawno artykuł na temat tego, jak wytrenowali sieć neuronową, aby połączyć strukturę cząsteczki z jej zapachem (fot. adobe stock)

Zespół Google Research wykorzystał uczenie maszynowe do szkolenia sztucznej inteligencji w rozpoznawaniu zapachów. W publikacji opisano w jaki sposób szkolono sztuczną inteligencję (AI) za pomocą uczenia maszynowego, aby racjonalnie przewidzieć „związek między strukturą cząsteczki a jej zapachem”, czyli rozpoznawać różne zapachy na podstawie kształtów cząsteczek.

REKLAMA

Trudno jest przewidzieć związek między strukturą cząsteczki a jej zapachem. Problem ten, zwany ilościowym modelowaniem zależności struktura-zapach (QSOR), jest ważnym wyzwaniem w chemii, mającym silny potencjalny wpływ między innymi na produkcję syntetycznych zapachów.

W artykule opublikowanym w październiku 2019 r. przez zespół badaczy Google, opisano w jaki sposób można wykorzystać uczenie maszynowe do znalezienia związku, który naukowcy próbują określić ilościowo od ponad 70 lat, między zapachem cząsteczki a jej strukturą.

Podczas gdy struktury molekularne mogą dać naukowcom wgląd w to, jak coś wygląda lub jak to brzmi, „przewidywanie związku między strukturą cząsteczki a jej zapachem pozostaje trudnym, rozwiązywanym od dziesięcioleci zadaniem”.

Naukowcy wykorzystali uczenie maszynowe, aby znaleźć tę zależność ilościową w sposób przypominający wykorzystanie głębokiego uczenia się do przewidywania cech wizualnych i słuchowych.

Korzystając z zestawu danych 5030 cząsteczek oznaczonych deskryptorami zapachowymi (np. owocowymi, pieczywem, orzechami i serem) przez ekspertów węchowych (np. profesjonalnych perfumiarzy), zespół przeszkolił sieć neuronową Graph, aby przewidywać te etykiety na podstawie kształtu cząsteczki.

Percepcyjne i strukturalne podobieństwa zarówno lokalnych, jak i globalnych składników cząsteczki pomogły tej sieci neuronowej w rozpoznaniu, które części są odpowiedzialne za które węzły zapachowe.

Według publikacji umiejętność wykorzystania uczenia maszynowego do przewidywania zapachów na podstawie ich struktur molekularnych „pomogłaby w odkryciu nowych syntetycznych substancji zapachowych”, dzięki czemu naturalne produkty nie musiałyby być zbierane w tak dużych ilościach.

Czy ten artykuł był przydatny dla ciebie, twojej firmy i branży? Głosów: 0

  • 0
    BARDZO PRZYDATNY
  • 0
    PRZYDATNY
  • 0
    OBOJĘTNY
  • 0
    NIEPRZYDATNY

0Komentarze

dodaj komentarz

Portal wiadomoscikosmetyczne.pl nie ponosi odpowiedzialności za treść komentarzy. Wpisy niezwiązane z tematem, wulgarne, obraźliwe lub naruszające prawo będą usuwane. Zapraszamy zainteresowanych do merytorycznej dyskusji na powyższy temat.

Treść niezgodna z regulaminem została usunięta. System wykrył link w treści i komentarz zostanie dodany po weryfikacji.
Aby dodać komentarz musisz podać wynik
    Nie ma jeszcze komentarzy...
do góry strony