Complex odors prove easier to map than expected with machine learning

Se quiser descrever uma cor específica, você pode consultar a roda de cores Pantone para encontrar seu matiz, saturação e brilho exatos e como ela se compara a outras cores. Mas nada parecido existiu para odores complexos.

In 2015, IBM ran an open investigator DREAM challenge to take a single odor molecule and predict what it smells like based on its chemical structure, he said. Primeiro, eles padronizaram e compilaram seis conjuntos de dados de medições de similaridade de odores de três estudos diferentes em um novo conjunto de dados, compreendendo 168 moléculas únicas únicas, 731 misturas únicas e 507 medições de pares de misturas.

As distâncias dos pares de mistura foram mapeadas em uma escala perceptual contínua de 0 (indistinguível) a 1 (mais distinta). Em seguida, durante um período de três meses, 26 equipes competiram para prever quão semelhantes seriam os aromas emparelhados em um conjunto de teste oculto de 46 pares de misturas.

Following the challenge, they validated the model on an independent set of 50 olfactory mixture pairs. Ele alcançou uma mediana de RMSE (erro quadrático médio) de 0, 08, onde 0 é uma pontuação perfeita, o que significa que o modelo teve boa precisão na previsão de semelhanças de aromas.

Também alcançou uma correlação de Pearson de 0, 57 no conjunto de teste, o que significa que o modelo teve uma correlação positiva moderada a forte na previsão das características do conjunto de dados. While many in the sensory science field believed that using science to predict similarity among mixtures would be much more difficult than predicting similarity among single molecules, that didn't turn out to be the case, Mainland said.

Os investigadores estão agora redigindo os resultados de um terceiro desafio DREAM Olfaction para enviar para publicação em periódico.

Fonte