可解释AI揭示化学传感器识别气味的机制

在一项最新研究中，研究人员借助可解释人工智能（XAI）技术，成功揭示了化学传感器如何识别和区分不同气味分子。通过这一方法，AI不仅能够识别对特定气味最敏感的受体材料，还能明确指出用于区分的关键信号区域。相关成果发表于《ACS应用材料与界面》期刊，为提升嗅觉传感器性能提供了新思路。

日本国家材料科学研究所（NIMS）正致力于开发用于人工嗅觉系统的核心组件——化学传感器。其最新研究表明，结合XAI技术可深入理解化学传感器在识别不同气味分子时的内部机制。这些发现有望为设计高灵敏度、高选择性的嗅觉传感器提供指导，加速该技术的商业化应用。

嗅觉在多个关键领域都发挥着重要作用，如食品安全检测、环境监测、疾病诊断以及空间舒适度管理。人工嗅觉系统通过集成多种化学传感器和AI算法，模拟人类嗅觉功能，实现对气味分子的检测与识别。

当前，人工嗅觉系统受限于传感器灵敏度与识别精度，尚未达到实际应用阶段。特别是现有传感器在识别复杂或低浓度气味分子方面表现不佳。要突破这一瓶颈，开发性能更优的受体材料是关键，尤其是能够精准响应特定气味分子的材料。

以往的人工嗅觉系统中，AI在缺乏对受体材料具体响应机制了解的情况下完成气味识别。而此次研究通过XAI技术，使AI的决策过程变得更加透明。这不仅有助于识别出最合适的受体材料，也为设计更高效的嗅觉传感器提供了科学依据。

NIMS研究团队使用一种配备14种不同受体材料的膜型表面应力传感器（MSS），对94种气味分子的反应进行测量，并结合XAI分析结果，识别出AI在区分气味分子时所依赖的关键数据。

研究发现，不同的气味分子与特定受体材料之间的响应存在显著差异。例如，含有芳香环结构的受体材料在识别芳香类气味分子时表现出更强的响应能力。这表明，受体材料的化学结构与其识别能力之间存在明确的结构-活性关系。

XAI的引入，使得研究人员能够高效筛选出对目标气味分子敏感的材料，从而提高传感器的识别精度。同时，通过解析AI的识别路径，这项研究还为揭示人类嗅觉机制提供了新的研究视角。

该技术不仅有助于优化受体材料的设计，还能在多种应用场景中快速选择最佳传感器组合。随着传感器性能的提升，人工嗅觉系统的实用化进程将显著加快。

此外，该方法在推动嗅觉传感器硬件发展的同时，也为人类嗅觉机制的深入研究提供了有力工具。未来，研究人员可以借助XAI进一步拓展传感器技术的应用边界。

更多信息：Yota Fukui等，《利用可解释人工智能探索人工嗅觉中的结构-活性关系》，发表于ACS Applied Materials and Interfaces，DOI: 10.1021/acsami.5c13990。

期刊信息：ACS应用材料与界面

本文由美国国家材料科学研究所提供。

查看全文

作者最近更新