Объяснимый искусственный интеллект раскрыл принцип работы химических сенсоров запаха

Визуализация процесса распознавания запахов с помощью обонятельного сенсора, использующего объяснимый ИИ. В зависимости от молекулы одоранта ИИ идентифицирует наиболее чувствительные рецепторные материалы и выделяет ключевые участки кривых сенсорного сигнала, используемые для распознавания. Автор: ACS Applied Materials & Interfaces (2025). DOI: 10.1021/acsami.5c13990

Национальный институт материаловедения Японии (NIMS) разрабатывает химические сенсоры как ключевой компонент технологии искусственного обоняния. В новом исследовании с помощью объяснимого искусственного интеллекта удалось раскрыть, как именно химические сенсоры различают различные молекулы одорантов. Полученные данные помогут целенаправленно подбирать рецепторные материалы для создания высокопроизводительных химических сенсоров, способных детектировать молекулы запаха.

Это достижение может не только улучшить производительность искусственного обоняния, но и углубить понимание механизмов работы человеческого обоняния. Исследование опубликовано в журнале ACS Applied Materials & Interfaces.

Искусственные обонятельные сенсоры

Обоняние играет важнейшую роль в повседневной жизни, включая безопасность продуктов питания, мониторинг окружающей среды, медицинскую диагностику и создание комфортных условий жизни. Технологии искусственного обоняния, имитирующие человеческое чувство запаха, используют множество химических сенсоров для обнаружения молекул одорантов и применяют искусственный интеллект для их классификации и идентификации.

Однако современные системы искусственного обоняния с поддержкой ИИ пока не нашли широкого практического применения из-за ограниченной чувствительности и точности распознавания существующих химических сенсоров. Решение этой проблемы потребует создания более производительных химических сенсоров, в частности, за счет разработки рецепторных материалов, способных более эффективно детектировать молекулы одорантов.

В традиционных системах искусственного обоняния ИИ классифицировал и идентифицировал молекулы одорантов без полного понимания того, какие именно рецепторные материалы на какие молекулы реагируют. Раскрытие характеристик отклика конкретных рецепторных материалов позволит разрабатывать оптимальные материалы для распознавания целевых одорантов и подбирать рецепторные материалы для более точного различения запахов.

Результаты применения объяснимого ИИ

Специалисты NIMS измерили отклики 94 молекул одорантов с помощью MSS-сенсора (мембранный сенсор поверхностного напряжения), оснащенного 14 рецепторными материалами, и проанализировали данные с помощью объяснимого ИИ — методики, которая визуализирует, на какие части данных опирается ИИ при различении молекул одорантов.

Анализ показал, что ключевые участки сенсорных откликов, используемые для идентификации, варьируются в зависимости от конкретных комбинаций молекул одорантов и рецепторных материалов. Например, было обнаружено, что рецепторные материалы, содержащие ароматические кольца, важны для идентификации ароматических молекул.

Ожидается, что этот подход позволит эффективно подбирать рецепторные материалы, адаптированные под целевые молекулы одорантов, и направлять разработку материалов, способных идентифицировать молекулы, которые в противном случае трудно обнаружить. Кроме того, раскрывая не только то, как ИИ различает запахи, но и на какой основе он делает прогнозы, объяснимый ИИ может предложить важные ключи к пониманию механизмов запахов и человеческого обоняния.

Перспективы развития

Эту технологию можно использовать не только для облегчения разработки рецепторных материалов, но и для выбора оптимального сенсора из нескольких вариантов в зависимости от целевого применения. Помимо поддержки разработки материалов, она может способствовать прогрессу в создании обонятельных сенсорных устройств, тем самым ускоряя практическое применение искусственного обоняния и углубляя наше понимание человеческого обоняния.

Дополнительная информация: Yota Fukui et al, Harnessing Explainable AI to Explore Structure–Activity Relationships in Artificial Olfaction, ACS Applied Materials & Interfaces (2025). DOI: 10.1021/acsami.5c13990

Источник: National Institute for Materials Science