热门
最新
红包
立Flag
投票
同城
我的
发布
AI资讯
CSDN App 扫码分享
1
65
打赏
- 复制链接
- 举报
下一条：
Odours：赋予机器嗅觉 科学绘制气味图的探索人类的鼻子通过检测空气中的挥发性有机化合物，然后向大脑发送信号来实现嗅觉。研究人员期望创建能执行类似功能的电子鼻子。他们使用一种叫图神经网络的AI，来基于分子结构绘制和预测气味。他们开发出一种“气味图”的东西，使他们能够在一种多维的“气味空间”中定位气味。图神经网络在气味研究中的应用: 图神经网络（GNN）是一种专门用于处理图结构数据的神经网络。通过使用图神经网络和大型数据集，研究人员试图建立一个“主要气味图”，以便更准确地预测和描述气味。研究团队使用了两个大型数据集来训练GNN，这两个数据集将分子结构与气味相联系。其中一个数据集名为Leffingwell数据集，它在2000年代初编制，包含3,523个分子及其气味描述。通过这种方式，研究团队创建了一个“主要气味图”，这相当于您在计算机上使用的色彩调色板。这个“主要气味图”允许他们在一种多维的“气味空间”中定位气味。例如，与RGB色彩模型有三个维度（红、绿、蓝）不同，气味信息在我们的鼻子中有350个通道。因此，这个气味图无法用平面纸张来表示，需要依赖软件、人工智能和大数据集的统计分析。实验结果：研究团队训练了一个由15人组成的小组，使用55个标签（如“黄油味”、“泥土味”、“硫磺味”和“金属味”等）来描述气味，并将这些应用于图神经网络已经预测过气味的400种不同分子。结果显示，GNN的气味预测在50%以上的情况下更接近平均人类描述。这意味着，如果你从一组描述气味的人群中随机选取一个人，并将该模型放在其位置上，该模型在描述这种“平均人类感知”方面的表现通常会更好。该模型的局限性：值得注意的是，虽然这些结果令人印象深刻并可能具有实用价值，但它们并没有让我们更接近于理解嗅觉的生物学机制。这是因为这些模型基本上是一个“黑箱”，即它们可以生成有用的结果，但不能解释其内部工作原理。详细：https://theguardian.com/science/2023/oct/28/giving-computers-a-sense-of-smell-the-quest-to-scientifically-map-odoursCR：互联网的那点事
