「新しいAIの研究が、化学的な匂いを説明する能力において、機械学習モデルが人間レベルのスキルを達成することを示している」という

新しいAIの研究では、機械学習モデルが人間レベルの化学的な匂いの説明能力を達成することが示されている

神経科学における基本的な課題は、刺激の物理的特性と知覚的特性の関連性を理解することです。視覚の色や聴覚の音高のように、他の感覚では物理的特性と知覚的品質の間に確立されたマッピングが存在しますが、この研究では化学構造と嗅覚の知覚の間のマッピングは適切に理解されていないことが示されています。

これらの懸念に対処するため、研究者は化学構造を嗅覚知覚にマッピングするためのニューラルネットワークベースのモデルを開発し、知覚的な距離と階層を捉えるPrincipal odor map（POM）を作成しました。彼らは5,000の分子と嗅覚ラベルのデータセットで実験し、モデルを訓練し、将来の検証チャレンジを行いました。その結果、モデルの予測が新しい嗅覚物質に対する人間の評価と非常に一致することが示されました。POMは知覚的な関係を保持し、従来の構造ベースのマップを上回る性能を発揮しました。この研究は、機械学習が嗅覚空間をマッピングし、嗅覚知覚を理解する可能性を強調しています。

研究者は、さまざまなモデルの嗅覚好みを予測するためにグラフニューラルネットワーク（GNN）モデルを従来のカウントベースのフィンガープリントモデルと比較しました。GNNモデルは、55％の嗅覚ラベルについて人間の審査員の評価に追いついたり上回ったりする性能を発揮しました。化学反応中の不純物は、刺激セットでの臭いの知覚に寄与する可能性のある要素として特定されました。GNNモデルは、明確な構造的決定要因と多くの訓練例を持つラベルに対して最も優れた性能を発揮しましたが、審査員のパフォーマンスはラベルに対する熟知度によって異なりました。

• このAIの論文では、プログラミング言語が指示調整を通じて互いを向上させる方法について説明しています
• メタAIがNougatをリリース：科学文書を処理するためのOCRを実行するビジュアルトランスフォーマーモデルで、マークアップ言語に変換します
• 「8/28から9/3までの週のトップの重要なコンピュータビジョン論文」

Principal odor map（POM）の堅牢性を評価するために、研究者は分子構造と臭いの知覚のマッピングにおける逆説的な関係を50％のケースでPOMが正しく予測する結果を得ましたが、基準モデルは90％で大幅に悪化しました。POMの座標に基づく線形モデルは、化学情報学モデルよりも嗅覚適用性、臭いの検出閾値、および複数のデータセット間の知覚的類似性を予測する性能が優れていました。

この人間の嗅覚の駆動マップは、分子構造と臭い知覚の複雑な関係のさらなる探索の基盤を提供します。これにより、化学、嗅覚神経科学、心理物理学の分野が進展することが期待されます。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!