可解释人工智能揭示化学传感器气味识别机制
借助XAI技术，研究人员实现了对嗅觉传感器如何区分气味的可视化分析。针对不同气味分子，人工智能能够识别出最敏感的受体材料，并清晰呈现关键信号曲线。这项研究由日本国家材料科学研究所（NIMS）主导，成果发表于《ACS应用材料与界面》，DOI编号为10.1021/acsami.5c13990。
NIMS长期致力于开发化学传感器，作为人工嗅觉技术的核心组件。在最新研究中，团队运用可解释人工智能（XAI）方法，深入解析了化学传感器区分多种气味分子的机制。该成果为选择受体材料提供了科学依据，有望推动高性能化学传感器的发展。
这项突破不仅提升了人工嗅觉系统的识别能力，还为解析人类嗅觉机制提供了新的视角。研究成果已在《ACS应用材料与界面》上发表。
人工嗅觉传感器的工作原理
嗅觉在日常生活中具有多重应用价值，涵盖食品安全、环境监测、医疗诊断及生活空间优化等领域。人工嗅觉技术通过模拟人类嗅觉系统，结合多种化学传感器与人工智能技术，实现对气味分子的分类与识别。
然而，目前的人工嗅觉系统在实际应用中仍面临挑战，主要源于化学传感器的灵敏度和识别精度不足。开发高灵敏度受体材料，是提升系统性能的关键。
传统的人工嗅觉系统通常在未明确受体材料对不同分子的响应特征前提下，由人工智能完成识别任务。如果能够揭示特定材料的响应特性，将有助于选择最佳受体材料，从而提升整体识别效率。
XAI揭示关键识别机制
NIMS在研究中使用了配备14种受体材料的膜型表面应力传感器（MSS），用于检测94种不同气味分子的响应，并通过XAI技术对数据进行分析。这种方法使得AI在进行气味识别时所依赖的数据特征得以清晰呈现。
研究发现，传感器对不同气味分子的响应特征因受体材料的差异而变化。例如，含有芳香环结构的材料对芳香类分子的识别具有显著作用。这种分析方法为受体材料的筛选和设计提供了指导。
借助XAI技术，不仅可以识别气味分子的响应关键部分，还能为理解分子识别机制与人类嗅觉提供重要线索。
技术应用与前景
该方法不仅可用于新型受体材料的开发，还能根据具体应用场景，从多个传感器配置中选择最优方案。除材料设计外，该技术亦可推动人工嗅觉系统的整体优化，从而加快其在工业和医疗等领域的实际应用。
此外，通过揭示AI如何完成识别任务及其决策依据，该技术有助于进一步理解气味感知的基本原理。
更多信息请参阅：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》，发表于 ACS Applied Materials and Interfaces（2025）。
期刊信息：ACS应用材料与界面。
来源：美国国家材料科学研究所。