可解释人工智能助力解析化学传感器对气味的识别机制
借助可解释人工智能（XAI），研究团队成功实现了对人工嗅觉传感器在气味辨别过程中的可视化分析。针对不同气味分子，AI系统能够识别出最敏感的受体材料，并明确标注出用于气味识别的关键信号区域。该研究成果已发表于《ACS 应用材料与界面》2025年期刊，DOI：10.1021/acsami.5c13990。
日本国立材料科学研究所（NIMS）长期致力于开发可用于人工嗅觉系统的核心组件——化学传感器，并在最新研究中利用XAI技术揭示了化学传感器区分不同气味分子的机制。这些发现有望为选择高效的受体材料提供指导，进而推动高灵敏度、高精度的化学传感器研发。
除了提升人工嗅觉系统的性能，这一成果还有望促进对人类嗅觉机理的深入理解。相关论文已发表于权威期刊《美国化学会应用材料与界面》。
人工嗅觉传感器的基本原理
嗅觉在日常生活中具有广泛应用，涵盖食品安全、环境监测、医疗诊断以及改善居住体验等多个领域。人工嗅觉技术模仿人类的嗅觉功能，利用多种化学传感器捕捉气味分子，并借助人工智能对这些分子进行分类与识别。
然而，当前化学传感器在灵敏度和辨别能力方面仍存在局限，限制了人工智能辅助的人工嗅觉系统走向实用化。要解决这一问题，必须开发出性能更强的化学传感器，特别是在受体材料的设计上，使其对气味分子的响应更为精确。
在传统的人工嗅觉系统中，AI在未明确识别每种受体材料对特定分子反应机制的前提下，便直接对气味进行分类。通过揭示不同受体材料的响应特性，有望设计出针对特定目标气味的最优材料，从而提升气味识别的准确性。
XAI在研究中的关键作用
NIMS研究团队采用配备14种不同类型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，并运用可解释人工智能（XAI）对其进行分析。XAI技术能够展示AI在分类不同气味时所依赖的关键数据片段。
研究发现，不同气味分子与不同受体材料的组合，会呈现出多样化的传感器响应特征。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。此类发现为高效筛选和定制化开发受体材料提供了科学依据。
这一方法不仅有助于快速定位适用于特定分子的受体材料，还可能推动对难以检测分子识别材料的开发进程。XAI技术通过对AI决策过程的可视化，为揭示气味识别机制以及人类嗅觉原理提供了新的研究方向。
未来应用前景
该研究成果不仅可用于指导新型受体材料的开发，还能够在实际应用中帮助从多种传感器选项中选出最优组合。除支持材料创新外，该技术还可能助力嗅觉传感器设备的整体升级，从而加快人工嗅觉在工业和消费领域的落地。
此项研究由Yota Fukui等人完成，论文标题为《利用可解释人工智能探索人工嗅觉中的结构-活性关系》，发表于《ACS 应用材料与界面》2025年。DOI：10.1021/acsami.5c13990。
本文由美国国家材料科学研究所提供信息支持。