計算機算法預測分子氣味

2020-12-03 科學網

圖片來源：Eric Feferberg/AFP/Getty Images

這不是一件可被嗤之以鼻的事情。計算機破解了一道困擾化學家幾個世紀的難題：從分子的結構預測它的味道。這一壯舉或許使香水製造商和味道專家得以在試驗和錯誤大大減少的情況下創造新產品。相關成果日前發表於生命科學預印本網站bioRxiv。

和結果可通過分析光波長或聲音被預測出來的視覺和聽覺不同，人類的嗅覺一直很神秘。研究嗅覺的化學家從來沒能預測出某個特定的分子聞上去是何種味道，除了在一些特殊情況下，由於一個分子結構的很多方面可能在決定其味道上發揮著重要作用。

來自美國紐約洛克菲勒大學的Andreas Keller和Leslie Vosshall決定利用機器學習的力量解決這一問題。首先，他們讓49名志願者依據氣味的濃度和愉悅程度及其同大蒜、香料或水果等19個其他描述語的匹配度，對476種化學物質的味道進行評分。

隨後，研究人員公布了407種化學物質的數據以及測定化學結構的4884個不同變量，並且邀請所有人開發能搞清楚這些模式的機器學習算法。他們利用剩下的69種化學物質評估了各種算法的準確性，其中有22個團隊接受了這一挑戰。

事實證明，最好的算法比此前預測志願者對接受測試的化學物質所做描述的任何努力要準確很多。這些努力不太理想，部分原因在於人們在第二次接受測試時極少能對相同的氣味給出一樣的評分。

下一個挑戰則是弄清楚化學物質的混合物將產生何種味道。「現在做的是對單個分子進行評定。」來自科羅拉多州柯林斯堡一家感官諮詢公司的Avery Gilbert表示，「更有用的是知道哪些成分能被很好地集成在一起。」（來源：科學網 宗華）

相關焦點

  • 數學模型預測分子氣味
    科學家利用數學模型，繪製出了香氣分子地圖。人類的鼻子很容易區分剛煮出來的咖啡的香氣和壞雞蛋的臭味，但其中涉及的生物化學原理卻相當複雜。最近，研究人員創建了一個嗅覺「地圖」——分子如何結合以產生各種氣味的幾何模型。
  • 利用人工智慧鼻子預測分子的氣味
    她補充道，「我們並沒有完全解決這個如何根據分子的化學性質預測它的氣味的問題，但是這是給出一種解釋的目標上走得最遠的。」好氣味，壞氣味和無味在這項新的研究中，Vosshall研究了人類和昆蟲的氣味感知（odor perception）。
  • 人工智慧是怎樣預測分子的氣味的
    打開APP 人工智慧是怎樣預測分子的氣味的 站長之家 發表於 2019-10-25 15:51:28 據TNW報導，谷歌的研究人員正試圖開發一種神經網絡，幫助人工智慧識別分子的氣味特徵。 谷歌認為，識彆氣味是一個多標籤分類問題，這意味著一種物質可以有多種氣味特徵。因此，為了識別分子的氣味特徵，研究人員使用了圖形神經網絡（GNNs），這是一種以圖形為輸入的深度學習模型。該團隊在香水專家的幫助下，製作了氣味標籤，可以用來識別分子的嗅覺特性。
  • 谷歌正訓練人工智慧預測分子氣味
    來源：獵雲網編譯：葉展盛一批人工智慧、生命科學和化學方面的專家正在通過圖神經網絡來識別分子、預測氣味。這批專家建立的模型性能已經超越了目前的所有方法，該模型誕生於DREAM嗅覺預測挑戰賽。這些研究人員相信，隨著機器學習在分子識別領域應用水平的提高，機器智能將可以進行氣味識別，就像讓人工智慧模擬視覺、聽覺等其他感知能力。另外，研究人員還在嘗試讓機械臂獲得觸覺。一篇相關論文裡寫道：「深度學習在嗅覺方面取得的進步，能幫助發現新的化學合成物，進而減少自然作物的需求，降低對生態環境的影響。
  • 產生一種新型的氣味分子需要什麼條件？
    科學家們對於這些感受器如何識彆氣味分子仍存有爭議：大多數人認為，當氣味分子的形狀與某個感受器表面剛好互補（比如一個凸，另一個凹），分子就能被這種氣味感受器識別出來；但也有人相信，至少有些氣味感受器是通過感應氣味分子的振動來工作的。不管實際情況如何，每個氣味感受器都能識別出一組不同的氣味分子，並且每個氣味分子只會觸發一個或幾個不同的氣味感受器。
  • 新的「陷離離子」算法可預測早期量子計算機的計算能力
    薩塞克斯大學的量子物理學家創建了一種算法，該算法可加快當前正在開發的早期量子計算機的計算速度。他們創造了一種在量子計算機周圍路由離子（或帶電原子）的新方法，以提高計算效率。 Sussex團隊展示了如何使用他們的新「路由算法」最有效地完成這種量子計算機中的計算。他們的論文「全球連接的被困離子量子計算機的高效量子位路由」 發表在《高級量子技術》雜誌上 。
  • 掌握10種氣味 沒有鼻子的計算機晶片有嗅覺是咋回事!
    【來源：網易科技】3月17日消息，近日，英特爾研究院和康奈爾大學於《自然-機器智能》雜誌共同發表一篇論文，探討了神經計算用於辨別爆炸物和毒品等氣味。據了解，英特爾神經擬態測試晶片Loihi展示了學習並識別10種有害化學物質的能力，甚至是在有噪音和遮擋的情況下。
  • 在量子計算機上確定本徵態和熱態的新算法
    例如，為了描述材料和分子的電子結構，研究人員首先需要找到玻恩–奧本海默哈密頓（Born-Oppenheimer Hamilton）近似的基態、激發態和熱態。 在量子化學中，玻恩–奧本海默近似是一個假設，即分子中的電子運動和核運動可以分開。其他各種科學問題也需要在量子計算機上精確計算哈密頓基態、激發態和熱態。 一個重要的例子是組合優化問題，可以將其簡化為找到合適的自旋系統的基態。
  • 量子計算機的算法模型初探
    量子計算機的運行是對qubit（量子位）的操作，從一個量子態演化到另一個量子態，決定兩個量子態如何演化的是量子門，其實質是一個遵循量子力學的Unitary Operator（么正算符）。以上特質決定了兩種計算機的算法有根本不同。
  • DNA分子計算系統:實現算法自組裝!
    這種無需改變硬體就可以運行任何軟體的能力，讓計算機變得非常有用。我們正在分子中實現這個創意，基本上是通過嵌入一個化學算法來控制化學過程。」這個系統通過自組裝的方式工作：小型的特製DNA鏈粘在一起構建出一個邏輯電路，並同步執行電路算法。這個系統開始是代表輸入的六比特，然後一行一行地增加分子，逐步地運行算法。
  • LOL玩家用「計算機算法」預測LPL內戰,最後結果都是一邊倒
    S9世界賽馬上就要舉行，LPL賽區的觀眾當然最關心IG和FPX的內戰，而在比賽開始之前，網友們紛紛給出自己的預測，大家在IG和FPX左右徘徊，誰也說不準哪支戰隊能夠晉級。此時，一位精通計算機的LPL觀眾卻給出了自己的答案，他用「Knn算法」預測IG和FPX的內戰，結果比賽戰績都是一面倒。
  • 新的量子算法破解了非線性方程,計算機能否代替人類成為先知?
    曾經我們以為，無論計算機有多麼強大，都不足以預測未來。現在這個想法很可能要被推翻了：計算機可能比人類更擅長成為「先知」。在某些領域，計算機能夠輕易地預測未來，例如像樹汁是如何在樹幹中流動的這樣簡單、直觀的現象可以被線性微分方程的幾行代碼所捕獲。但在非線性系統中，相互作用會影響到自身——當氣流經過噴氣機的機翼時，氣流會改變分子相互作用，從而改變氣流，循環往復。
  • AI技術如何幫助研究人員重現歷史的氣味？
    團隊名為「Odeuropa」，擁有來自多個學科的歐洲科學家及學者，具體涵蓋歷史、藝術史、計算語言學、計算機視覺、語義網、博物館學最初的菸草有一種奇特的氣味，但之後很快進行了調整與改良，並成為眾多歐洲城鎮氣味環境中的組成部分。」
  • 新的量子算法破解了非線性方程,計算機能否代替人類成為「先知」?
    Levy機器之心編譯編輯：蛋醬曾經我們以為，無論計算機有多麼強大，都不足以預測未來。現在這個想法很可能要被推翻了：計算機可能比人類更擅長成為「先知」。在某些領域，計算機能夠輕易地預測未來，例如像樹汁是如何在樹幹中流動的這樣簡單、直觀的現象可以被線性微分方程的幾行代碼所捕獲。
  • 量子計算機原理與退火算法的通俗解釋
    本文的目的是盡力用基礎易懂的語言來解釋自己所理解的量子物理的基礎理論並著重介紹量子計算機的實現原理、量子計算機所使用的量子退火算法以及量子計算機的應用。關鍵詞：量子；量子糾纏；量子疊加態；經典；量子計算機；量子退火算法第1章  量子物理基礎理論介紹1.1  量子物理總述此處引用百度百科對量子物理的表述：量子物理（量子力學Quantum Mechanics）是研究物質世界微觀粒子運動規律的物理學分支，主要研究原子、分子、凝聚態物質，以及原子核和基本粒子的結構
  • 人工智慧算法可以學習量子力學定律
    人工智慧可以用來預測分子的波函數和電子性質。華威大學、柏林技術大學和盧森堡大學的一個研究小組開發的這種創新人工智慧方法可以用來加速藥物分子或新材料的設計。人工智慧和機器學習算法通常被用來預測我們的購買行為和識別我們的臉或筆跡。
  • 城市分子式 氣味辭典
    當我們形容一種氣味的時候，通常都要絞盡腦汁，用比喻來描述「這聞起來好像……」有沒有一種方法能讓我們學習氣味，如同學習ABC或123那樣呢？ 我們的生活中早已有了表達色彩的語言，但遺憾的是有關氣味的詞彙卻遲遲沒有發展。這促使圖拉斯著手創編第一部氣味辭典——《NASALO》。圖拉斯認為，人們用來描述氣味的語言會影響人們對氣味的感知，氣味本身並無好壞之分，而形容的語言為之賦予了偏見的色彩。因此NASALO字典裡的詞彙是充滿想像力的，儘管這些詞彙都是她自己編造，但也並非隨意而為，而是根據語言學的相關規則排列而成。
  • 我國科學家實現用量子計算機模擬化學分子
    而構造高效的量子算法，是完成高效量子模擬的關鍵所在。這個全量子本徵求解器的量子算法，在量子計算機上計算分子基態能級和對應的電子結構，特別是它不僅可以在現在的IBM和谷歌等的有噪量子計算機上工作，而且可以直接自然過渡，在以後的大型容錯量子計算機上工作。研究現狀與展望北京量子信息科學研究院和清華大學魏世傑博士、李行博士和龍桂魯教授的全量子本徵求解器採用量子化的梯度下降算法。
  • ICML論文解讀|北大本科生提出基於圖到圖翻譯的分子逆合成預測框架
    現有的方法大多將給定的目標分子（產物）與許多化學反應模版匹配，從而預測可能的反應物。然而，模版匹配耗費大量的算力，並且這些方法在新數據集上的泛化能力也欠佳。本文提出了一種名為G2Gs的不依賴化學反應模版的方法。G2Gs通過一系列圖變換，將產物分子轉換（或稱為翻譯）到反應物分子。G2Gs首先通過一個反應中心預測模塊，將產物分子分解為多個合成子。
  • 擁有「嗅覺」 的新神經算法晶片
    神經擬態計算是英特爾為應對計算領域非結構化、有噪聲數據日益增加等挑戰而研發的新的計算機架構。應用神經科學的最新見解，來創造作用方式更類似於人腦的晶片而非傳統計算機的晶片。神經擬態系統在硬體層面上複製了神經元組織、通信和學習方式。其實神經擬態計算的出現，就是要解決那些現在機器學習都做不了的事情，而這些事情通過類腦晶片能夠得到很好的解決。