Kunstig intelligens endrer hvordan vi tenker om konservering av dufter, og kan potensielt redde sjeldne dufter som er på randen av å forsvinne.
Idelfonso Nogueira og teamet hans ved Norges teknisk-naturvitenskapelige universitet har vist at kunstig intelligens kan lage formler for å gjenskape parfymer.
Den studie innebærer å profilere duftene etter deres "duftfamilie" - beskrivende termer som "krydret" eller "moskus" - og deres "luktverdi", som måler en dufts intensitet.
De fant for eksempel en duft med høy luktverdi for "kumarin" (som minner om vanilje) og en annen som var spesielt "alkoholholdig".
Forskerne har tenkt å bruke denne prosessen til å bevare obskure og sjeldne lukter - som lukter fra skiftende naturmiljøer eller planter på randen av utryddelse - ved å gjenskape dem fra én enkelt prøve.
Det kan også muliggjøre en effektiv, replikerbar prosess for å skape parfymer, en oppgave som vanligvis krever mye prøving og feiling.
Fordeling av metoder
Det første trinnet innebærer å analysere målduftene for å forstå duftprofilene deres, inkludert duftfamiliene (som "krydret" eller "moskus") og intensiteten.
Deretter bruker teamet et Gated Graph Neural Network (GGNN) som er trent på en stor database med molekyler, til å generere nye molekyler som potensielt kan gjenskape målduften.
Denne prosessen består av to faser: Trening av GGNN med kjente molekyler for å lære forholdet mellom molekylstrukturer og duftene deres, og deretter generering av nye molekyler som samsvarer med den ønskede duftprofilen ved hjelp av transfer learning.
Nogueira forklarer at luktopplevelsen endres på grunn av de fysiske og kjemiske interaksjonene molekylene gjennomgår med luft eller hud. For å gjenskape de originale duftene nøyaktig, valgte de AI-genererte molekyler som fordampet på samme måte som i de originale duftene, og løste utfordringen med å fange opp den flyktige naturen til "toppnoter" og den lange levetiden til "basenoter".
Etter å ha generert en rekke molekyler, velger teamet ut de som best samsvarer med målduftens duftprofil basert på damptrykk og duftnoter.
Det siste trinnet innebærer å optimalisere parfymeformuleringen slik at den matcher den opprinnelige duften. Denne prosessen tar hensyn til intensiteten til de ulike duftfamiliene i parfymen, og justerer parfymens molekylære sammensetning deretter.
En av duftene som ble fremstilt med denne metoden, var en tro kopi av originalen, med mindre avvik i de "kumarinaktige" og "skarpe" tonene. Den andre var nesten helt identisk.
Forfatterne foreslår at en utvidelse av databasen til å omfatte mer komplekse molekyler kan forbedre nøyaktigheten til disse AI-genererte duftene, og dermed tilby en billigere og mer bærekraftig løsning for parfymeindustrien, som i dag står overfor høye kostnader og lange utviklingstider.
Nogueira er klar til å teste teknologien ytterligere ved å oppleve noen av de AI-genererte duftene med egne øyne i en kollegas laboratorium i Ljubljana i Slovenia. "Jeg gleder meg veldig til å lukte på dem", sier han.
AI har mange nye bruksområder i mindre mistenkelige applikasjoner, som da forskere brukte nevrale nettverk til å geolokalisere vinens unike smaksprofiler for å belyse det kjemiske grunnlaget for terroir.
