一批人工智能、生命科学和化学方面的专家正在通过图神经网络来识别分子、预测气味。这批专家建立的模型性能已经超越了目前的所有方法，该模型诞生于DREAM嗅觉预测挑战赛。
这些研究员主要来自于谷歌、加拿大高等研究所、多伦多矢量人工智能研究所、多伦多大学和亚利桑那州立大学。这些研究人员相信，随着机器学习在分子识别领域应用水平的提高，机器智能将可以进行气味识别，就像让人工智能模拟视觉、听觉等其他感知能力。另外，研究人员还在尝试让机械臂获得触觉。
一篇相关论文里写道：“深度学习在嗅觉方面取得的进步，能帮助发现新的化学合成物，进而减少自然作物的需求，降低对生态环境的影响。通过气味识别模型推导出分子结构，可以帮助我们理解大脑嗅觉感知的运作方式。”
IBM Research和香水公司Symrise也在尝试通过机器学习来设计新的味道。研究员表示图神经网络非常适合结构-气味的量化关系模型(QSOR)，后者能够预分子特性(例如气味)和类簇分子在矢量空间中的关系。从这个方面看，气味识别可以当做是一种多标签的分类问题，研究员称之为“嗅觉嵌入”，这类似于计算机将图像分解为红蓝绿三色。
研究员在论文中解释道：“通过将原子视为节点，化学键视为边缘，我们可以把分子看成一个图像。我们提出将图神经网路应用于QSOR模型，并借助嗅觉专家提供的数据库证明了它的性能远超现有的方法。分析表明，图神经网络的分析嵌入能够挖掘出分子结构和气味之间的潜在关系。”
这些研究人员利用数据库里5030份香水材料的分子数据训练自己的模型。每一个分子数据都让嗅觉专家贴上了标签，包括水果味、烤面包味等，并将之打乱。
为了加快嗅觉预测人工智能的进步，谷歌计划在将来公开更多相关的数据组。这方面的研究将能够对气味进行数字化，帮助人们发现更多闻不到的气味。
