可解释人工智能揭示化学传感器对气味的识别机制
借助可解释人工智能（XAI），研究人员首次清晰地可视化了嗅觉传感器在辨别气味时的过程。根据目标气味分子的不同，人工智能能够识别出对检测最敏感的受体材料，并强调出在气味识别过程中起关键作用的信号曲线部分。相关研究成果发表于《ACS应用材料与界面》，图像来源：ACS Applied Materials & Interfaces (2025)。DOI: 10.1021/acsami.5c13990
日本国家材料科学研究所（NIMS）长期以来致力于开发化学传感器，作为人工嗅觉系统的核心组件，推动该技术走向实际应用。在最新研究中，团队利用可解释人工智能技术揭示了化学传感器在识别多种气味分子时的工作机制。这些发现有助于指导受体材料的选择，从而开发出性能更高的气味检测化学传感器。
这项成果不仅有助于提升人工嗅觉系统的识别能力，还可能为人类嗅觉机制的研究提供新的视角。研究论文已发表在《美国化学会应用材料与界面》期刊。
人工嗅觉传感器的基本原理
嗅觉感知在日常生活中的多个领域具有重要意义，例如食品安全监控、环境质量评估、疾病诊断以及居住空间的舒适度优化。人工嗅觉系统模拟生物嗅觉，结合多种化学传感器与人工智能技术，实现对气味分子的识别与分类。
然而，目前的人工嗅觉系统受限于传感器的灵敏度与识别精度，尚无法满足实际应用需求。要解决这一问题，关键在于开发更高性能的化学传感器，特别是能够更准确捕捉气味分子的受体材料。
在传统系统中，人工智能往往在缺乏对受体材料反应机制深入了解的前提下对气味进行分类。明确特定受体材料对特定分子的响应特性，将有助于优化材料设计，选择出更适用于特定气味识别任务的受体组合。
XAI技术的突破性发现
NIMS研究团队使用一种配备14种不同受体材料的膜型表面应力传感器（MSS），对94种气味分子的反应信号进行了测量，并通过可解释人工智能（XAI）对这些数据进行了分析。XAI技术的核心优势在于，它能够揭示人工智能在气味识别过程中所依赖的信号特征。
研究结果显示，传感器在识别不同气味分子时所依赖的关键信号部分因受体材料和目标分子的组合而异。例如，含有芳香环结构的受体材料对芳香类分子的识别具有显著影响。
这一方法为受体材料的高效筛选提供了新思路，并有望在难以检测的气味分子识别中发挥重要作用。此外，XAI技术通过揭示AI的决策依据，为理解嗅觉识别机制以及类比人类嗅觉系统提供了潜在的研究路径。
未来的发展方向
这项技术不仅有助于推动新型受体材料的开发，还能够根据具体应用场景从多种候选材料中选择最优组合。除了促进材料科学的进展，它还可能助力人工嗅觉设备的升级，推动该技术在更广泛领域中的实际应用。
此外，这项研究还可能加深对人类嗅觉系统工作机制的理解，为神经科学与感知研究提供新的理论支撑。
更多信息请参阅：Yota Fukui 等人，通过可解释人工智能揭示人工嗅觉系统的结构-活性关系，发表于《ACS应用材料与界面》（2025）。DOI: 10.1021/acsami.5c13990
期刊信息：ACS应用材料与界面
原始资料来源：美国国家材料科学研究所