高效香氛创造的分子生成和优化
原文中文，约400字，阅读约需1分钟。发表于：。使用机器学习方法模拟嗅觉体验，通过实验证实香水感知的量化。研究通过建立香水分子结构与人类嗅觉感知的混合模型来实现，该模型包含利用图和生成性神经网络的人工智能分子生成器、气味强度的量化和预测，以及为所需香气精心调配最佳溶剂和分子组合。此外，基于热力学的模型建立了嗅觉感知和液相浓度之间的联系。该方法使用迁移学习，并根据蒸气压力和香气注释选择最合适的分子。最终，通过数学优化问题来最小化新的嗅觉体验...
该研究使用机器学习模拟嗅觉体验，建立香水分子结构与人类嗅觉感知的混合模型。通过人工智能分子生成器和热力学模型选择最合适的分子，最小化新的嗅觉体验与目标体验之间的差异。该方法已通过实验数据验证。
