可解释人工智能揭示化学传感器气味识别机制
借助可解释人工智能（XAI），研究人员成功对嗅觉传感器的气味识别过程进行可视化。根据不同气味分子的特性，AI系统能够识别出最具响应性的受体材料，并强调在气味识别过程中起关键作用的信号曲线片段。该成果由日本国家材料科学研究所（NIMS）发布，相关图像和研究发表于《ACS Applied Materials and Interfaces》。
NIMS团队持续致力于开发化学传感器，作为人工嗅觉技术（即嗅觉传感器）的重要基础模块。在最新研究中，他们利用XAI技术揭示了化学传感器如何区分多种气味分子。该研究为未来选择高性能受体材料以提升传感器检测能力提供了关键指导。
这一突破不仅有助于提高人工嗅觉系统的性能，也可能为揭示人类嗅觉的基本原理提供新视角。研究成果已发表于《ACS Applied Materials and Interfaces》。
人工嗅觉传感器概述
嗅觉在人类生活中具有广泛的应用价值，例如食品安全评估、环境质量监测、疾病诊断以及改善居住舒适度。人工嗅觉系统模仿自然嗅觉机制，通过集成多组化学传感器捕捉气味分子，并结合人工智能技术实现对气味的识别与分类。
然而，受限于当前化学传感器的灵敏度和辨别能力，人工智能驱动的人工嗅觉系统尚未达到实际应用的成熟度。要突破这一瓶颈，关键在于开发更具响应性的化学传感器，尤其是那些能够高效捕捉特定气味分子的受体材料。
传统系统中，AI在缺乏对受体材料响应机制深入了解的情况下，直接对气味分子进行识别。若能明确哪些受体对特定分子具有高响应性，将为筛选和设计最优嗅觉材料提供明确方向。
XAI分析成果
研究人员采用配备14种不同受体材料的膜型表面应力传感器（MSS），测量了94种气味分子的响应数据，并通过XAI技术分析AI在判断过程中依赖的关键信息。
结果显示，不同气味分子与受体材料的组合会产生显著差异的响应信号。例如，含有芳香结构的受体材料在检测芳香类分子时表现出特别高的灵敏度。
这种基于XAI的方法，不仅能够有效辅助受体材料的筛选，还可为开发用于检测复杂或低浓度分子的材料提供指导。同时，通过揭示AI识别机制及依据，XAI技术为理解分子结构与气味感知之间的关系，乃至人类嗅觉机制本身，提供了新的研究路径。
未来应用前景
该技术不仅可用于优化受体材料的设计与选择，还能根据实际应用场景匹配最合适的传感器配置。除了促进材料创新外，它还将推动人工嗅觉系统整体性能的提升，从而加快该技术在现实生活中的部署。
此外，这项研究还可能加深科学界对人类嗅觉机制的理解，为神经科学和感官系统研究带来新机遇。
更多信息：Yota Fukui 等，Exploring Structure–Activity Relationships in Artificial Olfaction via Explainable Artificial Intelligence, ACS Applied Materials and Interfaces（2025）。DOI：10.1021/acsami.5c13990
期刊信息：ACS Applied Materials and Interfaces
由美国国家材料科学研究所（NIMS）提供