机器学习用于嗅觉：分子香料成分的有序气味强度预测
化学物理
2026-05-18 v1
摘要
从分子结构直接预测嗅觉感知是香料设计的核心，广泛应用于香精香料、食品饮料和医疗保健等行业。在嗅觉属性中，气味强度是塑造气味感知的关键因素，但其建模一直受到强度数据稀缺和碎片化的阻碍。本工作中，我们通过整合两个不同的公开来源，构建了一个包含超过2000个分子的有序气味强度数据集，将结构映射到无气味、低、中、高四个类别。我们比较了多种分子编码方式和监督学习算法下的不同预测策略。降维分析和SHAP分析识别出分子大小、极性、环状特征和分支结构为主要驱动因素，这与挥发、吸附和受体可及性方面的质量传输约束一致。这种可扩展的有序框架能够为新型分子提供可靠的气味强度估计，并为计算香料设计奠定基础。
引用
@article{arxiv.2512.08683,
title = {Machine learning for smell: Ordinal odor strength prediction of molecular perfumery components},
author = {Peter Fichtelmann and Julia Westermayr},
journal= {arXiv preprint arXiv:2512.08683},
year = {2026}
}
备注
26 pages, 25 figures