在德国弗劳恩霍夫工艺工程与包装研究所的一间实验室里，一场关于人工智能（AI）的“嗅觉革命”正在悄然上演。这个故事的主角不是专家，而是两种AI机器学习算法——它们正试图挑战人类专家在识别酒类复杂香气方面的权威。
研究人员选择酒类作为检测样本并非偶然。以威士忌为例，其由多种复杂香味化合物交织而成的独特香气，可以成为测试的理想对象。通常情况下，识别威士忌最强烈的香气特征需要依赖一群训练有素的人类专家，他们花费大量时间、资金和精力来辨识这些微妙的差别。然而，即便如此，不同专家之间也常常意见不一，这为品鉴过程带来了不确定性和主观性。
为了克服这一难题，研究人员开发了一种名为“OWSum”的分子气味预测算法，并同时引入了另一种基于神经网络的算法。这两种算法的任务是通过分析气相色谱法和质谱分析提供的分子组成数据，来确定实验酒类样本强烈的香气，并判断其产地。
在这个实验中，7种美国威士忌和9种苏格兰威士忌成为了算法的首批挑战者。研究人员将算法识别出的每个样本的产地及其最强烈的5种香气特征，与11名专家组成的小组得出的结果进行了对比。
结果令人惊讶：“OWSum”不仅能够以超过90%的准确度区分样本是来自美国还是苏格兰，还能敏锐地捕捉到不同产地威士忌的标志性香气——焦糖味在美国威士忌中脱颖而出，而苹果味、溶剂味和酚感则成为了苏格兰威士忌的代表。平均而言，两种算法都展现出了比任何一位人类专家更稳定且更准确的能力，成功地识别出5种最强烈的香气。
这项发表在《通讯·化学》杂志上的研究，标志着一个新时代的开始。机器学习算法不仅能快速分类需要鉴别的样本，还能精准识别其中的关键香气特征。
它预示着机器“嗅觉”的新篇章：不仅是效率的提升，更是对感官体验的全新探索。随着技术的进步，人们或许很快就能见证更多这样的奇迹。
在德国弗劳恩霍夫工艺工程与包装研究所的一间实验室里，一场关于人工智能（AI）的“嗅觉革命”正在悄然上演。这个故事的主角不是专家，而是两种AI机器学习算法——它们正试图挑战人类专家在识别酒类复杂香气方面的权威。
研究人员选择酒类作为检测样本并非偶然。以威士忌为例，其由多种复杂香味化合物交织而成的独特香气，可以成为测试的理想对象。通常情况下，识别威士忌最强烈的香气特征需要依赖一群训练有素的人类专家，他们花费大量时间、资金和精力来辨识这些微妙的差别。然而，即便如此，不同专家之间也常常意见不一，这为品鉴过程带来了不确定性和主观性。
为了克服这一难题，研究人员开发了一种名为“OWSum”的分子气味预测算法，并同时引入了另一种基于神经网络的算法。这两种算法的任务是通过分析气相色谱法和质谱分析提供的分子组成数据，来确定实验酒类样本强烈的香气，并判断其产地。
在这个实验中，7种美国威士忌和9种苏格兰威士忌成为了算法的首批挑战者。研究人员将算法识别出的每个样本的产地及其最强烈的5种香气特征，与11名专家组成的小组得出的结果进行了对比。
结果令人惊讶：“OWSum”不仅能够以超过90%的准确度区分样本是来自美国还是苏格兰，还能敏锐地捕捉到不同产地威士忌的标志性香气——焦糖味在美国威士忌中脱颖而出，而苹果味、溶剂味和酚感则成为了苏格兰威士忌的代表。平均而言，两种算法都展现出了比任何一位人类专家更稳定且更准确的能力，成功地识别出5种最强烈的香气。
这项发表在《通讯·化学》杂志上的研究，标志着一个新时代的开始。机器学习算法不仅能快速分类需要鉴别的样本，还能精准识别其中的关键香气特征。
它预示着机器“嗅觉”的新篇章：不仅是效率的提升，更是对感官体验的全新探索。随着技术的进步，人们或许很快就能见证更多这样的奇迹。
据《自然》20日消息称，天文学家对91对恒星所作的光谱分析显示，大约每12个恒星中就有一个可能吞噬了一个行星。在吞噬一个行星后，恒星的化学构成可能发生改变，这个过程被称为“行星吸收”。通过比 美国布朗大学研究团队在最新一期《自然·电子学》上描述了一种无线通信网络。它可有效地传输、接收和解码来自数千个微电子芯片的数据。研究团队试图模仿大脑神秘且高效的工作方式。对 联合国机构3月20日发布的《全球电子垃圾监测》报告显示，2022年全球范围内共产生6200万吨电子垃圾，其中仅有不到四分之一被回收利用。报告显示，2022年全球电子垃圾的产生量相比2010年增长了82%。 所谓香喷喷的婴儿，到底是源于人们的爱意，还是说确有其香？《通讯·化学》21日一项小型研究首次分析了婴儿和青少年体味化学组成的差异。研究显示，有两种较难闻的化合物仅在青少年体味样本中 2024年2月，OpenAI公司推出了文生视频人工智能（AI）模型Sora。OpenAI展示了Sora利用少量简短文字提示即可创建逼真视频的能力，并提供了包括一位女士在闪烁着霓虹灯的东京街道漫步，以及一只狗在两个 中国气象局下一代大气数值模式日前发布。该模式采用完全自主的动力框架算法——多矩约束有限体积方法为基础算法，进一步提升全球公里级和区域百米级尺度数值预报的精度，显著减小全球 。本文链接：机器学习已有“嗅觉”了吗http://www.sushuapos.com/show-2-9822-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 黑猩猩种群内存在认知差异
下一篇： 中俄研发数学模型可控制卫星组合体