Olfactory Label Prediction on aroma-chemical Pairs

要約

芳香化学物質に対する深層学習技術の適用により、嗅覚の性質を予測する際に人間の専門家よりも正確なモデルが得られました。
ただし、この分野の公的研究は単一分子の品質の予測に限定されており、一方、産業用途では、調香師や食品科学者は多くの臭気物質のブレンドに関心を持っています。
この論文では、既存のアプローチと新しいアプローチの両方を、標識された分子ペアから構成されるデータセットに適用します。
芳香化学物質のブレンドから生じる非線形品質を正確に予測できる、公開されているモデルを紹介します。

要約(オリジナル)

The application of deep learning techniques on aroma-chemicals has resulted in models more accurate than human experts at predicting olfactory qualities. However, public research in this domain has been limited to predicting the qualities of single molecules, whereas in industry applications, perfumers and food scientists are often concerned with blends of many odorants. In this paper, we apply both existing and novel approaches to a dataset we gathered consisting of labeled pairs of molecules. We present a publicly available model capable of generating accurate predictions for the non-linear qualities arising from blends of aroma-chemicals.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google