Google AI opracowało model sztucznej inteligencji, który dopasowuje strukturę cząsteczek do ich zapachu.
Przedstawiciele Google AI rozmawiali również o projekcie w sieciach społecznościowych.
Dziś przedstawiamy mapę sensoryczną generowaną przez MLdotyczy tysięcy cząsteczek i ich postrzeganych zapachów, umożliwiając przewidywanie zapachów z niewidocznych cząsteczek i dostarczając potencjalnego narzędzia do rozwiązywania globalnych problemów zdrowotnych, takich jak choroby przenoszone przez owady. https://t.co/wmiq6wPKv5
— Google AI (@GoogleAI) 6 września 2022 r
Dziś przedstawiamy mapę dotykową,stworzone przy użyciu uczenia maszynowego. Łączy tysiące cząsteczek i ich postrzegane zapachy, umożliwiając przewidywanie zapachów z niewidzialnych cząsteczek i zapewniając potencjalne narzędzie do rozwiązywania globalnych problemów zdrowotnych, takich jak choroby przenoszone przez owady.
Najbardziej znane przykłady tych kart są związane zwidzenie kolorów, w tym koło kolorów, i bardziej złożone opcje używane do przechwytywania kolorów w wideo, zgodnie z Google AI w komunikacie prasowym. Istnieje ponad 300 receptorów węchowych, w przeciwieństwie do trzech czujników koloru ludzkiego oka (czerwonego, zielonego i niebieskiego). Dlatego bardzo trudno jest stworzyć mapę zapachową.
W 2019 roku sztuczna inteligencja Googleopracowali grafowy model sieci neuronowej (GNN). Podsumowując, jest to rodzaj sieci neuronowej, która współpracuje bezpośrednio ze strukturą wykresu. Typowym zastosowaniem GNN jest klasyfikacja węzłów.
Teraz sieć Google AI zaczęła badać tysiąceprzykłady różnych cząsteczek w połączeniu z nazwami zapachowymi, takimi jak „mięsny”, „kwiatowy” lub „miętowy”. Celem jest nauczenie się, jak szukać związku między strukturą cząsteczki a prawdopodobieństwem, że będzie miała specjalną etykietę zapachową.
W rezultacie inżynierowie tworzą mapę, którawiąże strukturę cząsteczki z wydzielanym przez nią zapachem. Sieć neuronowa mierzy również odległość cząsteczek od siebie pod względem zapachu. W sumie naukowcy wykorzystali ponad 5000 cząsteczek z dwóch różnych zestawów danych dotyczących smaku i zapachu.
Ponadto w osobnym opracowaniu kolegówMainland wykorzystał sieć neuronową do stworzenia mapy łączącej struktury molekularne związków odstraszających komary z postrzeganiem zapachów przez owady odstraszające.
Czytaj więcej:
Naukowcy zbliżyli się do odkrycia tajemnicy piramid: jak starożytni ludzie byli w stanie je zbudować
Ujawnia się mechanizm utrzymywania zdrowia wątroby w starszym wieku
Fizycy wyjaśniają „kosmiczną niedopasowanie” Hawkinga: jak zmieni naukę
Zdjęcie na okładce: CC0 Domena publiczna