可解释AI揭示化学传感器识别气味的机理

借助可解释人工智能（XAI），研究团队首次实现了对化学传感器在气味识别过程中关键信号的可视化。该技术能够依据不同气味分子的特性，识别出对它们最敏感的受体材料，并精准标记出用于识别的关键信号区域。图片源自《ACS应用材料与界面》2025年刊（DOI: 10.1021/acsami.5c13990）。

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。在最近的一项研究中，研究人员通过引入XAI，深入解析了化学传感器如何识别不同类型的气味分子。这一成果为未来选择高性能受体材料、优化化学传感器设计提供了重要参考。

这项研究不仅对推动人工嗅觉系统的性能提升具有重要意义，也为进一步理解人类嗅觉机制提供了新的研究方向。相关成果发表于权威期刊《ACS应用材料与界面》。

嗅觉在多个领域中发挥着关键作用，如食品安全监控、环境质量评估、疾病诊断以及改善居住环境体验等。人工嗅觉技术通过集成多种化学传感器阵列，并结合人工智能算法，实现对气味分子的识别和分类。

然而，由于现有传感器在灵敏度和选择性方面的局限，当前的AI驱动人工嗅觉系统仍未达到实际应用的成熟度。开发更高性能的传感器，尤其是能够更精准识别气味分子的受体材料，成为突破这一瓶颈的关键。

在传统的嗅觉系统中，人工智能模型往往在缺乏对受体材料响应机制深入了解的前提下进行识别。而明确各类受体材料对不同分子的响应特性，有助于筛选出更适用于目标气味识别的材料，从而提升系统整体的辨别能力。

NIMS研究团队采用配备14种不同受体材料的膜型表面应力传感器（MSS），对94种气味分子的响应进行了系统性测量。通过结合XAI技术，研究人员成功解析了AI在区分这些分子时所依赖的传感器数据特征。

分析结果表明，不同气味分子与受体材料的组合决定了识别过程中的关键反应区域。例如，含有芳香结构的受体材料在识别芳香类分子方面表现尤为突出。这一发现为受体材料的定向开发与优化提供了清晰的指导。

利用XAI方法，研究不仅有助于高效筛选适用于特定气味分子的受体材料，还能为识别低灵敏度或难检测分子的材料开发提供支持。更重要的是，这项技术揭示了AI在进行识别判断时的内部逻辑，为揭示气味识别的基本原理乃至人类嗅觉机制提供了重要线索。

该方法的应用前景不仅限于材料开发领域。它还可以根据具体应用场景，从大量候选材料中筛选出最优的传感器组合，从而提升人工嗅觉系统的适应性和实用性。

除了推动受体材料和传感器设计的进步，该研究还为整个嗅觉传感器系统的工程化奠定基础，有望加速人工嗅觉技术在实际场景中的部署，同时深化对人类嗅觉感知机制的科学研究。

更多信息详见：Yota Fukui 等人，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应用材料与界面》，2025年（DOI: 10.1021/acsami.5c13990）。

期刊信息：《ACS应用材料与界面》

资料来源：美国国家材料科学研究所（NIMS）

查看全文

作者最近更新