మెషిన్ లెర్నింగ్ అల్గోరిథం వివిధ విస్కీల యొక్క ప్రధాన సువాసనలను గుర్తించగలిగింది.
ఈ గురువారం (19వ తేదీ) ప్రచురించిన పరిశోధన ప్రకారం, మెషిన్ లెర్నింగ్ అల్గోరిథంలు సువాసన ఆధిపత్యం వివిధ విస్కీలు మరింత ప్రభావవంతంగా నిపుణుడు.
అత్యంత వాసన మన చుట్టూ ఉన్నాయి కలయిక నిర్దిష్ట ప్రభావాలను సృష్టించడానికి మా ఘ్రాణ వ్యవస్థతో పరస్పర చర్య చేసే కాంప్లెక్స్. విస్కీ విషయంలో ఇదే జరుగుతుంది, ఇది 40 కంటే ఎక్కువ సమ్మేళనాలచే నిర్వచించబడిన సుగంధ ప్రొఫైల్‌ను కలిగి ఉంటుంది మరియు పెద్ద మొత్తంలో వాసన లేని అస్థిర సమ్మేళనాలను కూడా కలిగి ఉంటుంది.
ఇది విస్కీ యొక్క పరమాణు నిర్మాణంపై ఆధారపడి దాని సుగంధ లక్షణాలను అంచనా వేయడం లేదా గుర్తించడం ప్రత్యేకించి కష్టతరం చేస్తుంది. కానీ కమ్యూనికేషన్స్ కెమిస్ట్రీలో ప్రచురించబడిన పరిశోధన ద్వారా రుజువు చేయబడినట్లుగా, రసాయన శాస్త్రవేత్తలు రెండు మెషిన్ లెర్నింగ్ అల్గారిథమ్‌ల కారణంగా ఈ ఘనతను సాధించారు.
మొదటి అల్గోరిథం, OWSum, పరమాణు వాసనలను గుర్తించడానికి అధ్యయన రచయితలు రూపొందించిన గణాంక పద్ధతి. మరోవైపు, ఫ్రాన్‌హోఫర్ ఇన్‌స్టిట్యూట్ పరిశోధకుడు ఆండ్రియాస్ గ్లాస్‌కాంఫ్ వివరించినట్లుగా, CNN చాలా క్లిష్టంగా ఉంటుంది. ఫ్రైసింగ్ (జర్మనీ)లోని ప్రాసెస్ ఇంజనీరింగ్ మరియు ప్యాకేజింగ్ IVVలో పరిశోధకుడు మరియు అధ్యయనం యొక్క ప్రధాన రచయిత.
శాస్త్రవేత్తలు 16 విస్కీ నమూనాలలో గ్యాస్ క్రోమాటోగ్రఫీ మరియు మాస్ స్పెక్ట్రోమెట్రీ ద్వారా అణువులను గుర్తించారు, ఇందులో టాలిస్కర్ ఐల్ ఆఫ్ స్కై మాల్ట్ (10 ఏళ్ల వయస్సు), గ్లెన్‌మోరాంగీ ఒరిజినల్, ఫోర్ రోజెస్ సింగిల్ బ్యారెల్, జానీ వాకర్ రెడ్ లేబుల్ మరియు జాక్ డేనియల్స్ మీరు “శిక్షణ పొందారు” జాబితాను అందించడం ద్వారా. , ఇతరులలో.
11 మంది నిపుణులతో కూడిన ప్యానెల్ నిర్ణయించినట్లు వారు ప్రతి నమూనాకు నిర్దిష్ట రుచి వివరణలను కూడా అందించారు. ప్రతి విస్కీ యొక్క మూలం మరియు దాని ఐదు ప్రధాన గమనికలను గుర్తించడానికి ఒక అల్గోరిథం ఉపయోగించబడింది.
OWSum విస్కీ అమెరికన్ లేదా స్కాటిష్ అని ఖచ్చితంగా గుర్తించగలిగింది. మెంథాల్ మరియు సిట్రోనెలోల్ వంటి సమ్మేళనాల గుర్తింపు అమెరికన్ విస్కీగా వర్గీకరణతో బలంగా ముడిపడి ఉంది, అయితే మిథైల్ డెకనోయేట్ మరియు హెప్టానోయిక్ ఆమ్లం యొక్క గుర్తింపు స్కాచ్ విస్కీతో ఎక్కువగా సంబంధం కలిగి ఉంది.
రెండవ దశలో, గుర్తించబడిన అణువులు మరియు వాటి నిర్మాణ లక్షణాల ఆధారంగా విస్కీ యొక్క ఘ్రాణ లక్షణాలను అంచనా వేయమని శాస్త్రవేత్తలు OWSum మరియు CNNలను కోరారు.
రెండు అల్గారిథమ్‌లు విస్కీ యొక్క ఐదు ప్రధాన గమనికలను గుర్తించగలిగాయి, మానవ నిపుణుల బృందం కంటే మరింత ఖచ్చితంగా మరియు స్థిరంగా. “మా అల్గోరిథం వ్యక్తిగత సభ్యుల కంటే మెరుగ్గా ప్యానెల్ ఫలితాలతో సరిపోలిందని మేము కనుగొన్నాము, ఇది మొత్తం వాసన అవగాహన గురించి మాకు మరింత ఖచ్చితమైన అంచనాను ఇస్తుంది” అని పరిశోధకులలో ఒకరైన గ్లాస్ చెప్పారు.
ఈ మెషిన్ లెర్నింగ్ టెక్నిక్స్ నకిలీలను గుర్తించడానికి మరియు బ్లెండెడ్ విస్కీలో “మీరు ఆశించే సువాసన ఉందా” అని అంచనా వేయడానికి ఉపయోగించవచ్చు, తద్వారా రేటింగ్ ప్యానెల్‌ల అవసరాన్ని పరిమితం చేయడం ద్వారా ఖర్చులు తగ్గుతాయి.
