要點:

　　利用圖神經網絡建立了分子結構與氣味描述之間的首個映射

　　該模型可以根據分子的化學結構預測氣味描述

　　這可能是實現氣味數字化的重要一步，但要落實共享氣味等可能性還需更多工作

　　近日，研究人員利用一種稱為圖神經網絡的深度學習算法，建立了一種模型，能夠將化合物的結構映射到氣味描述。該模型已成功預測人類小組如何描述新的氣味，最終實現氣味的數字化。這項工作發表在8月31日的《科學》雜志上。

　　具體來說，研究人員使用了一種特定類型的圖神經網絡，即消息傳遞神經網絡。它在一個香料行業數據集上進行訓練，該數據集包含超過5000種分子，其結構轉換為圖形，并標記了專業的氣味筆記。研究小組的一部分人員在這項工作開始時就在谷歌工作，其中一些人則在2023年1月成立了一家衍生公司Osmo，由Alphabet的風險投資部門Google Ventures支持。

　　研究人員認為，圖神經網絡的預測能力使得他們能夠完成這項工作。該模型產生了一個空間表示，顯示不同分子的氣味描述符的相似性。該模型包含超過250個維度，比色彩的類似表示更為復雜。僅給定一種新分子的化學結構圖形式，該模型就可以將其放置在映射中，從本質上預測氣味可能的描述方式。研究人員稱之為主要氣味映射，這在嗅覺感官方面是前所未有的。

　　為了驗證模型的性能，將400種新分子的評估與一個15人小組的評級進行了比較，該小組經過訓練，可以識別55種氣味標簽。模型的表現不是完美的，但53%的時間內，模型比中位小組成員更接近平均小組評估。換句話說，用模型替換一個小組成員可以改進組描述。

　　盡管取得了進展，但研究人員也意識到嗅覺的主觀性和個體差異。此外，氣味強度、多種基本氣味分子的混合物和濃度、沒有給定分子結構的真實世界氣味的數字化、提高描述能力等方面還需要進一步研究。

　　總的來說，這項工作代表了一個重要的里程碑，首次建立了從化學結構到氣味描述的映射。它為開發新的生產或分析氣味的方式打下基礎，可能導致各種新產品和技術的出現，例如醫療測試、治療或假肢。但是，要實現像通過互聯網共享氣味這樣的可能性，還需要做更多工作。