化学物質のにおいを予測するためのAIのトレーニング

Google (GOOGL ) Brainの研究者が最近発表した論文では、化学物質の構造に基づいて物体のにおいを予測するようにAIをトレーニングする方法が示されています。 Wiredの報道によると、研究者たちは、この研究が人間の嗅覚の謎を解明するのに役立つことを期待しています。人間の嗅覚は、他の感覚に比べてあまり理解されていないからです。

においの違いは複雑で、分子の1つの原子を変更するだけで、においは快適なものから不快なものに変わることがあります。研究者たちは、化学構造が人間の嗅覚によって快適または不快と解釈されるパターンを理解するのが難しいと考えています。一方、光の電磁スペクトルが人間の目に色として見えるパターンは、科学者が正確な測定を行うことで、特定の波長の光がどのように見えるかを知ることができます。

機械学習アルゴリズムは、データの中からパターンを発見することに優れています。したがって、AI研究者たちは、人間の嗅覚をよりよく理解するために、機械学習を利用しようとしました。においを定量化するために機械学習アルゴリズムを利用する試みには、2015年に行われたDREAM Olfaction Prediction Challengeがあります。このチャレンジのデータを使用して、研究者たちは単一分子におい物質の自然言語の説明を生成しようとしました。

最近の研究では、Google Brainの研究者たちがグラフニューラルネットワーク（GNN）を使用してにおいを定量化する方法を紹介しています。GNNは、ノードとエッジで構成されるグラフデータを解釈することができます。グラフは、ネットワークや個々のデータポイント間の関係を表すために一般的に使用されます。社会的なネットワークの場合、グラフにはネットワーク内の各人がノードまたは頂点として表されます。ソーシャルメディア企業は、ユーザーの現在のネットワークの周辺にいる人を予測し、新しい友達を提案するためにこれらのグラフを使用しています。

においを解釈するために、研究者たちは数千の分子をトレーニングデータとして使用しました。各分子には、自然言語の記述子が付与されていました。GNNは、このデータを解釈し、分子の構造の中からパターンを発見することができました。研究者たちが使用した記述子は、「甘い」、「煙のような」、「木のような」などのフレーズでした。約5,000個の分子の中で、2/3がモデルをトレーニングするために使用され、残りの1/3がモデルをテストするために使用されました。

研究者たちがトレーニングしたモデルは、最初のイテレーションが完了した時点で、他の研究グループが化学構造に自然言語のラベルを割り当てるために達成したピークパフォーマンスと同等のパフォーマンスを達成しました。

このプロジェクトで働いていた研究者の一人であるAlex Wiltschkoは、このアプローチにはいくつかの限界があることを認めています。例えば、AIは人間が同じと説明する化学構造の違いを区別することができます。さらに、キラルペア（鏡像の分子）を区別することができないという問題もあります。キラルペアは、向きが異なるとにおいが異なりますが、現在のモデルではこれらを異なるものとして認識できません。

研究チームは、これらの限界を将来的に解決することを目指しています。研究はまだ初期段階ですが、分子の特徴とにおいとの関係を理解するための重要なステップです。Google Brainチームは、においを認識するためのAIアプリケーションを開発している唯一の研究チームではありません。他のにおいに関連するAI実験には、IBMのAI生成パフュームの実験や、ロシアの科学者による有毒ガス混合物の検出実験があります。