深度学习技术在香气化学品中的应用提高了嗅觉特性的预测准确性。研究提出了一种基于分子结构的图神经网络模型，增强了气味分类性能，并展示了气味空间的有意义表示。此外，利用机器学习模拟嗅觉体验，建立了香水分子结构与人类嗅觉感知的混合模型，优化了香气调配。新模型Mol-PECO通过编码分子结构，显著提升了气味预测的准确性。

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。