可解释人工智能助力解析化学传感器的气味识别机制
借助可解释人工智能（XAI）技术，科学家们实现了对化学传感器嗅觉辨别过程的可视化。研究显示，当面对不同气味分子时，AI能识别出最敏感的受体材料，并明确标示出用于识别的关键信号曲线部分。研究成果由日本国立材料科学研究所（NIMS）发表于《ACS应用材料与界面》期刊（DOI：10.1021/acsami.5c13990）。
作为人工嗅觉技术的重要构成之一，化学传感器长期以来是NIMS研究的重点方向。最新研究表明，通过XAI手段，研究人员揭示了化学传感器如何识别多种气味分子。这项发现不仅可能为选择合适的受体材料提供指导，还对开发更高性能的气味检测传感器具有重要意义。
除了推动人工嗅觉系统性能的提升，这项研究也有望加深对人类嗅觉机制的认识。该研究发表在权威期刊《ACS应用材料与界面》上。
人工嗅觉传感器的应用与挑战
嗅觉在日常生活中扮演着多重角色，涉及食品安全、环境监测、疾病诊断以及改善居住环境等多个领域。人工嗅觉系统模仿人类嗅觉机制，通过多组化学传感器检测气味分子，并结合人工智能进行分类和识别。
然而，当前系统的应用仍面临一定瓶颈，主要源于现有化学传感器在灵敏度和识别精度方面的不足。提升人工嗅觉系统的实用性，关键在于开发更高效的受体材料，以实现对气味分子的精准捕捉。
在传统人工嗅觉系统中，AI通常在缺乏对受体材料与分子反应关系了解的前提下进行识别。因此，明确不同受体材料对特定分子的响应特性，对于开发高效识别材料、优化传感器系统具有关键意义。
XAI带来的新发现
NIMS团队使用了配备14种不同受体材料的膜型表面应力传感器（MSS），对94种气味分子的响应进行了系统测量，并利用XAI对数据进行分析，揭示了AI在气味识别过程中所依赖的关键数据特征。
研究发现，不同气味分子与特定受体材料之间的响应区域存在显著差异。例如，含有芳香环结构的受体材料对芳香类分子的识别起到了重要作用。
该方法不仅有助于高效筛选针对特定气味分子的受体材料，也为开发难以检测分子的识别材料提供了新路径。同时，XAI揭示了AI的识别逻辑及其决策依据，为解析气味感知机制和人类嗅觉系统提供了重要参考。
未来发展方向
该技术的应用前景广阔，不仅可以加速受体材料的设计与优化，还能根据实际应用需求，从多种传感器配置中选择最优方案。
除支持材料研发外，该方法还将推动嗅觉传感器设备的整体发展，进一步加快人工嗅觉技术的实用化进程，并深化对人类嗅觉原理的理解。
更多信息：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）。DOI：10.1021/acsami.5c13990
期刊信息：ACS应用材料与界面
来源：日本国家材料科学研究所（NIMS）