Сделать стартовой  |  Добавить в избранное  |  RSS 2.0  |  Информация авторамВерсия для смартфонов
           Telegram канал ОКО ПЛАНЕТЫ                Регистрация  |  Технические вопросы  |  Помощь  |  Статистика  |  Обратная связь
ОКО ПЛАНЕТЫ
Поиск по сайту:
Авиабилеты и отели
Регистрация на сайте
Авторизация

 
 
 
 
  Напомнить пароль?



Клеточные концентраты растений от производителя по лучшей цене


Навигация

Реклама

Важные темы


Анализ системной информации

» » » Исследователи Google научили нейросеть распознавать запахи по молекулярной структуре

Исследователи Google научили нейросеть распознавать запахи по молекулярной структуре


1-11-2019, 18:46 | Наука и техника / Новости науки и техники | разместил: Swarm | комментариев: (0) | просмотров: (974)

Ученые могут определять цвет по длине световой волны. Но когда дело доходит до ароматов, нельзя просто посмотреть на молекулу и по структуре определить ее запах. Исследователи из Google Brain Team надеются, что это сможет изменить искусственный интеллект. В статье, опубликованной на Arxiv, они объясняют, как обучают ИИ распознавать запахи.

Исследователи собрали датасет из почти 5000 молекул летучих веществ, идентифицированных парфюмерами. Парфюмеры пометили запахи как «цветочный», «древесный» или «жирный». Около двух третей набора данных команда из Google Brain использовала для обучения своего ИИ, чтобы он смог связывать молекулы с названиями запаха. Затем исследователи использовали оставшиеся молекулы для проверки ИИ — и это сработало. Алгоритм оказался способен предсказывать запахи молекул на основе их структур.

«Оказалось чрезвычайно трудно определить запах по строению молекулы. Замените или удалите один атом или связь, и вы можете перейти от роз к тухлым яйцам», — рассказал в комментарии Wired Александр Вильчко, который возглавлял исследовательскую группу проекта.

В своей работе команда Вильчко использовала графовую нейронную сеть, или GNN (Graph Neural Network — GNN). GNN обрабатывала структуру каждой молекулы и определяла её запах.

Как указывает Wired, есть несколько проблем, которые делают исследования обоняния довольно сложными. Например, два человека могут описывать один и тот же запах по-разному: для одного запах будет «древесным», для другого «земляным». Иногда молекулы имеют одинаковые атомы и связи, но расположенные иначе, и имеют совершенно разные запахи. Это так называемые киральные пары; тмин и мята — только один из таких примеров.

Тем не менее, исследователи Google считают, что обучение искусственного интеллекта связывать определенные молекулы с их ароматами — важный первый шаг. По их мнению, это может повлиять на наше понимание питания человека, помочь в развитии нейробиологии и изменить то, как мы производим синтетические ароматы.

Как и любой инструмент машинного обучения, GNN Google ограничена качеством данных. Тем не менее, как пишет Wired, Алексей Кулаков, исследователь из лаборатории в Колд-Спринг-Харбор, говорит, что этот проект полезен для введения тысяч новых молекул в наборы данных о запахах, которые зачастую относительно малы, и что эти данные «могут послужить основой для улучшения других алгоритмов в будущем». Кулаков указывает, что неясно, тем не менее, сможем ли мы узнать что-либо об обонянии человека из модели машинного обучения, так как дизайн нейронной сети не совпадает с обонятельной системой человека.

В своих исследованиях Google не одинок. Как напоминает Engadget, в 2017 году российские исследователи обучили нейронные сети запоминать запахи и узнавать их позже. В их проекте запах обнаруживается датчиком, после чего ИИ сравнивает запах с базой данных известных запахов на предмет «самого близкого подобного запаха». Если он не может найти соответствие, датчик определит запах как новый. Разница между технологией, созданной в России, и другими подобными технологиями прогнозирования и идентификации ароматов заключается в том, что она может воспринимать более одного аромата за раз, что полезно, например, для работы с газовыми смесями.

«По сути, мы хотим научить устройство различать смеси опасных и неопасных газов и быстро их запоминать», — отмечал профессор МИЭМ НИУ ВШЭ Владимир Кулагин.

Кроме того, в начале этого года на выставке искусственного интеллекта в лондонском Барбикан-центре ученые использовали машинное обучение, чтобы воссоздать запах вымершего цветка Hibiscadelphus wilderianus, который когда-то рос на гавайском острове Мауи. Учёным удалось достичь этого с помощью извлечения ДНК из сохранившихся образцов растения.



Источник: habr.com.

Рейтинг публикации:

Нравится0



Комментарии (0) | Распечатать

Добавить новость в:


 

 
Уважаемый посетитель, Вы зашли на сайт как незарегистрированный пользователь. Чтобы писать комментарии Вам необходимо зарегистрироваться либо войти на сайт под своим именем.





» Информация
Посетители, находящиеся в группе Гости, не могут оставлять комментарии к данной публикации. Зарегистрируйтесь на портале чтобы оставлять комментарии
 


Новости по дням
«    Март 2024    »
ПнВтСрЧтПтСбВс
 123
45678910
11121314151617
18192021222324
25262728293031

Погода
Яндекс.Погода


Реклама

Опрос
Ваше мнение: Покуда территориально нужно денацифицировать Украину?




Реклама

Облако тегов
Акция: Пропаганда России, Америка настоящая, Арктика и Антарктика, Блокчейн и криптовалюты, Воспитание, Высшие ценности страны, Геополитика, Импортозамещение, ИнфоФронт, Кипр и кризис Европы, Кризис Белоруссии, Кризис Британии Brexit, Кризис Европы, Кризис США, Кризис Турции, Кризис Украины, Любимая Россия, НАТО, Навальный, Новости Украины, Оружие России, Остров Крым, Правильные ленты, Россия, Сделано в России, Ситуация в Сирии, Ситуация вокруг Ирана, Скажем НЕТ Ура-пЭтриотам, Скажем НЕТ хомячей рЭволюции, Служение России, Солнце, Трагедия Фукусимы Япония, Хроника эпидемии, видео, коронавирус, новости, политика, спецоперация, сша, украина

Показать все теги
Реклама

Популярные
статьи



Реклама одной строкой

    Главная страница  |  Регистрация  |  Сотрудничество  |  Статистика  |  Обратная связь  |  Реклама  |  Помощь порталу
    ©2003-2020 ОКО ПЛАНЕТЫ

    Материалы предназначены только для ознакомления и обсуждения. Все права на публикации принадлежат их авторам и первоисточникам.
    Администрация сайта может не разделять мнения авторов и не несет ответственность за авторские материалы и перепечатку с других сайтов. Ресурс может содержать материалы 16+


    Map