嗅觉是动物的基本感觉之一。这对于寻找食物、实现吸引力和感知危险至关重要。人类通过嗅觉神经细胞中表达的嗅觉受体来检测气味。这些气味在神经细胞上的嗅觉印象与其分子特征和物理化学性质有关。这使得可以定制气味以产生预期的气味印象。目前的方法仅从气味的物理化学特征预测嗅觉印象。但是，这种方法无法预测感知数据，而感知数据对于产生气味是必不可少的。
为了解决这个问题，东京理工大学（Tokyo Tech）的科学家采用了解决反问题的创新策略。该方法不是根据分子数据预测气味，而是基于气味印象预测分子特征。这是通过使用标准质谱数据和机器学习（ML）模型实现的。
“我们使用了我们之前开发的基于机器学习的气味预测模型来获得气味印象。然后，我们根据之前开发的正向模型反向预测了气味印象的质谱，”东京理工大学（Tokyo Tech）研究工作负责人中本隆道（Takamichi Nakamoto）教授解释道。研究结果已发表在《公共科学图书馆·综合》上。
气味混合物的质谱通过单组分质谱的线性组合获得。这种简单的方法允许快速制备气味混合物的预测光谱，还可以预测所需的混合比，这是新气味制备配方的重要组成部分。
“例如，我们展示了哪些分子给出了苹果风味的质谱，增强了‘水果’和‘甜味’印象。我们的分析方法表明，59或60个分子的组合给出的质谱与从特定气味印象中获得的质谱相同。有了这些信息，以及特定印象所需的正确混合比，我们理论上可以制备出一种新的苹果风味。”“这是我们想要的气味，”中本教授说。
本研究中描述的这一新方法可以对气味混合物的物理化学性质以及制备它们所需的混合比进行高度准确的预测，从而为无穷无尽的定制香水打开了大门。
