本文摘要：一批人工智能、生命科学和化学方面的专家正在通过图神经网络来辨识分子、预测气味。这批专家创建的模型性能早已打破了目前的所有方法，该模型问世于DREAM嗅觉预测挑战赛。 这些研究员主要来自于谷歌、加拿大高等研究所、多伦多矢量人工智能研究所、多伦多大学和亚利桑那州而立大学。这些研究人员坚信，随着机器学习在分子辨识领域应用于水平的提升，机器智能将可以展开气味辨识，就像让人工智能仿真视觉、听力等其他感官能力。另外，研究人员还在尝试让机械臂取得触觉。

一批人工智能、生命科学和化学方面的专家正在通过图神经网络来辨识分子、预测气味。这批专家创建的模型性能早已打破了目前的所有方法，该模型问世于DREAM嗅觉预测挑战赛。

这些研究员主要来自于谷歌、加拿大高等研究所、多伦多矢量人工智能研究所、多伦多大学和亚利桑那州而立大学。这些研究人员坚信，随着机器学习在分子辨识领域应用于水平的提升，机器智能将可以展开气味辨识，就像让人工智能仿真视觉、听力等其他感官能力。另外，研究人员还在尝试让机械臂取得触觉。

一篇涉及论文里写到：“深度自学在嗅觉方面获得的变革，能协助找到新的化学合成物，进而增加大自然作物的市场需求，减少对生态环境的影响。通过气味辨识模型推论出有分子结构，可以协助我们解读大脑嗅觉感官的运作方式。

”IBMResearch和香水公司Symrise也在尝试通过机器学习来设计新的味道。研究员回应图神经网络非常适合结构－气味的分析关系模型（QSOR），后者需要实分子特性（例如气味）和类簇分子在矢量空间中的关系。

从这个方面看，气味辨识可以当作是一种多标签的分类问题，研究员称作“嗅觉映射”，这类似于计算机将图像分解成为红蓝绿三色。研究员在论文中说明道：“通过将原子视作节点，化学键视作边缘，我们可以把分子看作一个图像。

我们明确提出将图神经网路应用于QSOR模型，并利用嗅觉专家获取的数据库证明了它的性能近超强现有的方法。分析表明，图神经网络的分析映射需要挖掘出分子结构和气味之间的潜在关系。

”这些研究人员利用数据库里5030份香水材料的分子数据训练自己的模型。每一个分子数据都让嗅觉专家贴上了标签，还包括水果味、烤面包味等，并将之被打乱。为了减缓嗅觉预测人工智能的变革，谷歌计划在将来公开发表更加多涉及的数据组。

这方面的研究将需要对气味展开数字化，协助人们找到更加多闻将近的气味。

本文关键词：【,澳尼,斯人,娱乐,官方网站,】,也,能有,澳尼斯人娱乐官方网站,嗅觉

本文来源：澳尼斯人娱乐官方网站-www.goldgoddessgrillz.com