主要气味地图 POM 是什么？用 AI 预测分子闻起来是什么味道

主要气味地图（Principal Odor Map，POM）是一个用 AI 把分子结构和气味联系起来的模型，由 Brian K. Lee 及其同事在 2023 年开发，论文《主要气味地图统一了嗅觉感知中的多种任务》发表在《科学》杂志上。研究团队来自谷歌研究院及后来从中独立出来的 Osmo 公司，以及莫奈尔化学感官中心等机构。

嗅觉为什么难以数字化

视觉和听觉早已被很好地数字化了：颜色可以用红绿蓝三个数表示，声音可以用频率和振幅描述。但嗅觉一直是个难题：一个分子闻起来是什么味道，和它的化学结构之间的关系非常复杂。结构几乎一样的两个分子，气味可能截然不同；结构完全不同的分子，闻起来却可能很像。人类大约有 400 种嗅觉受体，它们和气味分子之间的作用方式至今仍未完全清楚。

POM 怎么做

POM 使用图神经网络（GNN）：把一个分子看作由原子（节点）和化学键（边）组成的图，网络学习从这个图中提取特征。研究团队用约 5000 个已知气味的分子数据进行训练，这些分子由调香专家用“果香”“花香”“木质”“薄荷”等描述词标注。训练后，模型把每个分子映射到一个高维空间中的一个点。这个空间就是“气味地图”：在地图上距离越近的两个分子，人们闻起来的感觉越相似。

它有多准

研究团队设计了一个严格的测试：让一组经过训练的志愿者闻 400 个从未出现在训练数据中的新分子，并为它们的气味打分。结果显示，模型对这些新分子的气味预测，比一位普通志愿者的评价更接近整个评审组的平均意见，在一半以上的情况下表现优于单个评审员。这说明模型捕捉到了气味感知的普遍规律，而不只是记住了训练数据。研究还发现，这张地图能推广到其他嗅觉相关的任务上，比如判断气味强度、预测气味的相似度。

意义

主要气味地图被认为是“让嗅觉数字化”的重要一步，可能用于新香料和香精的设计、寻找新的驱蚊分子、食品风味研究，以及未来的气味传感和数字化传输。