AI förändrar hur vi tänker kring att bevara dofter och kan potentiellt rädda sällsynta dofter som är på väg att försvinna.
Idelfonso Nogueira och hans team vid Norges teknisk-naturvetenskapliga universitet visade att AI kan skapa formler för att återskapa parfymer.
Den studie innebär att man profilerar dofter efter deras "doftfamilj" - beskrivande termer som "kryddig" eller "mysk" - och deras "luktvärde", som mäter doftens intensitet.
De fann till exempel en doft med ett högt luktvärde för "kumarin" (påminner om vanilj) och en annan som var särskilt "alkoholhaltig".
Forskarna avser att använda denna process för att bevara obskyra och sällsynta lukter - som de som erhålls från föränderliga naturliga miljöer eller växter på gränsen till utrotning - genom att replikera dem från ett enda prov.
Det skulle också kunna möjliggöra en effektiv, replikerbar process för att skapa parfymer, en uppgift som vanligtvis kräver mycket försök och misstag.
Uppdelning av metodik
Det första steget är att analysera dofterna i målgruppen för att förstå deras doftprofiler, inklusive deras doftfamiljer (som "kryddig" eller "mysk") och deras intensitet.
Med hjälp av ett GGNN (Gated Graph Neural Network) som tränats på en stor databas med molekyler genererar teamet sedan nya molekyler som potentiellt kan replikera måldoften.
Processen omfattar två faser: träning av GGNN med kända molekyler för att lära sig förhållandet mellan molekylstrukturer och deras dofter och sedan generering av nya molekyler som matchar den önskade doftprofilen genom överföringsinlärning.
Nogueira förklarar att luktuppfattningen förändras på grund av de fysiska och kemiska interaktioner som molekylerna genomgår med luft eller hud. För att kunna återskapa originaldofterna exakt valde de AI-genererade molekyler som avdunstade på samma sätt som molekylerna i originaldofterna, vilket var en utmaning när det gällde att fånga "toppnoternas" flyktiga natur och "basnoternas" långa livslängd.
Efter att ha genererat en rad olika molekyler väljer teamet ut de som bäst matchar doftprofilen för måldoften baserat på deras ångtryck och doftnoter.
Det sista steget innebär att optimera parfymformuleringen så att den matchar den ursprungliga doften. Denna process tar hänsyn till intensiteten hos olika doftfamiljer i doften och justerar doftens molekylära sammansättning i enlighet med detta.
En av dofterna som framställdes med denna metod var en nära kopia av originalet, med mindre avvikelser i dess "kumariniska" och "skarpa" noter. Den andra var nästan en exakt matchning.
Författarna föreslår att en utökning av databasen till att omfatta mer komplexa molekyler skulle kunna förbättra precisionen i dessa AI-genererade dofter och erbjuda en billigare och mer hållbar lösning för parfymindustrin, som för närvarande står inför höga kostnader och långa utvecklingstider.
Nogueira är redo att testa tekniken ytterligare genom att själv uppleva några av de AI-genererade dofterna i en kollegas labb i Ljubljana i Slovenien. "Jag är mycket glad över att få känna lukten av dem", säger han.
AI har många nya användningsområden i mindre misstänkta applikationer, till exempel när forskare använde neurala nätverk för att geo-lokalisera vinets unika smakprofiler för att belysa den kemiska grunden för terroir.
