极道
·
神经网络第一次像人会闻了
💡
原文中文，约600字，阅读约需2分钟。
📝
内容提要
科学家们利用图神经网络生成了一个主气味图（POM），可以对未定性气味进行质量预测。该模型与人类预测结果吻合，可广泛用于气味预测和数字化。通过5000个分子的标注，GNN将分子映射到标签，得到了忠实反映气味层次和距离的POM。
🎯
关键要点
- 数字嗅觉是人工智能社区长期忽视的一种方式，可能对机器人厨师有用。
- 研究利用图神经网络生成主气味图（POM），保留知觉关系并能预测未定性气味的质量。
- 模型在气味质量描述方面与人类预测结果一致，验证集的匹配程度高于小组成员的中位数。
- POM在气味预测任务中表现优于化学信息模型，成功编码结构-气味关系的通用图谱。
- 收集5000个分子并要求人类标注不同气味，数据集是论文的重要贡献。
- 训练图神经网络（GNN）将分子映射到标签，分子由原子组成的图进行描述。
- GNN的预测结果与人类专家对新气味的预测结果非常吻合。
- 通过嵌入，得到的主气味图（POM）忠实反映气味之间的层次和距离。
➡️
