可解释人工智能助力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）技术，研究人员得以可视化嗅觉传感器对气味的辨别过程。根据目标气味分子的不同，AI系统能够识别出最具响应性的受体材料，并突出显示在气味识别过程中起关键作用的信号曲线部分。相关图像由《ACS应用材料与界面》（2025年）提供。DOI：10.1021/acsami.5c13990
美国国家材料科学研究所（NIMS）持续致力于化学传感器的研究，作为人工嗅觉系统中的核心组件，旨在推动该技术的实用化进程。在最新研究中，研究人员借助XAI技术揭示了化学传感器如何识别不同种类的气味分子。这些成果为优化受体材料的选择提供了科学依据，有望推动新型高性能化学传感器的研发。
这一突破不仅有助于提升人工嗅觉系统的整体性能，还可能为解析人类嗅觉机制提供新的研究视角。研究成果已发表在权威期刊《ACS应用材料与界面》上。
人工嗅觉传感器的原理与挑战
嗅觉在多个领域具有广泛应用，例如食品安全评估、环境监测、疾病诊断以及智能环境构建。人工嗅觉系统通过化学传感器阵列检测气味分子，并借助人工智能算法实现分类与识别，以此模拟人类嗅觉功能。
然而，当前系统在灵敏度与识别精度方面仍存在一定局限，导致其尚未达到实际应用水平。实现突破的关键在于提升化学传感器性能，尤其是开发能够对特定气味分子作出高效响应的受体材料。
在传统的人工嗅觉系统中，人工智能在缺乏对受体材料响应机制深入理解的前提下，已开始对气味分子进行识别。如果能够明确每种受体材料对特定分子的响应模式，将有助于优化材料设计，从而提升系统整体的识别能力。
XAI技术揭示关键响应机制
此次研究中，NIMS研究人员使用配备了14种受体材料的膜型表面应力传感器（MSS），对94种不同的气味分子进行了响应测试，并采用可解释人工智能（XAI）对数据进行深度分析。XAI技术通过可视化AI模型所依赖的关键特征，揭示了其在气味分子识别中的判断依据。
研究发现，不同气味分子与受体材料之间的匹配关系具有高度特异性。例如，含有芳香环结构的受体材料在识别芳香类分子时表现尤为突出。这一发现不仅有助于受体材料的高效筛选，也为开发能够识别低浓度或难以检测分子的新型材料提供了方向。
此外，XAI技术不仅揭示了AI模型的决策过程，还有望为解析气味分子的结构-活性关系提供重要依据，并为人类嗅觉机制的研究开辟新路径。
未来发展方向
该技术不仅可用于指导受体材料的设计与优化，还能根据应用场景灵活选择最合适的传感器组合。除了促进材料科学的发展外，该研究还为人工嗅觉设备的性能提升提供了理论支持，推动其向实际应用迈进。
未来，随着XAI辅助分析技术的进一步成熟，人工嗅觉系统有望在更多领域实现落地，包括医疗、食品安全、智能环境监测等。
更多信息可参考：Yota Fukui 等，利用可解释人工智能探索人工嗅觉中的结构-活性关系，《ACS应用材料与界面》，2025年。DOI：10.1021/acsami.5c13990
期刊信息：ACS应用材料与界面
本文由美国国家材料科学研究所提供。