냄새를 분자구조로부터 냄새로 구분해서 예측하는 AI를 구글이 개발

 

 

 

냄새를 분자구조로부터 냄새로 구분해서 예측하는 AI를 구글이 개발

 

 

 

Learning to Smell: Using Deep Learning to Predict the Olfactory Properties of Molecules

 

 

 

고대 그리스 비문을 해독하거나, 갓난아기 우는 소리를 듣고 구별하거나, 액체 맛을 판별하거나고, 인공지능(AI) 진보에 의해 인간 감각은 디지탈화되고 있습니다. Google은 냄새 분자의 구조를 해석하는 것으로 냄새를 예측하는 AI를 개발했다고 발표했습니다.

 

 

 

(PDF파일)https://arxiv.org/pdf/1910.10685.pdf

 

 

인간 후각은, 비공내 점막상에 있는 약 400종류의 후각수용체가 센서가 되어서 인지됩니다. 후각수용체는 특정한 분자구조와 결합하면 활성화하고, 후각 뉴런(OSN)이 발화됩니다. 발화된 OSN은 뇌에 있는 후 신경구라고 하는 조직에 신호를 보내고, 이것을 받은 후 신경구가 뇌의 다양한 부위에 신호를 송신하는 것으로, 후각 정보가 처리된다고 하는 구조입니다.

그래서 가령 후각 바로 그것은 재현할 수 없어도, 냄새 원래가 되는 냄새 분자를 검출하는 것을 할 수 있으면, AI에서도 냄새를 맡아 나눌 수 있게 된다고 Google 연구팀은 생각했습니다.

 

 

냄새를 AI에서 학습하기 위해서는 "냄새 분자의 종류"와 "어떤 냄새가 날 것인가"를 태그를 붙이는 것이 중요. Google 연구팀은, 조향사에 의해 식별된 약 5000종류의 분자로 구성된 데이터셋을 작성하고, 각각 분자를 냄새의 기술자에게서 labeling 했습니다. 예를 들면, 바닐라로 추출되는 비닐린이라고 하는 물질은, 정말로 바닐라 아이스와 같은 단 냄새 원래인 것으로 알려져 있고, "달다" "바닐라" "크리미" "초콜릿"이라고 한 냄새 서술자와 세트가 됩니다.

 

AI는 그래프 뉴럴네트워크(GNN)를 이용하고, 냄새 분자의 구조를 원자 수준으로 판별해서 특별히 정합니다. 구체적으로는 분자내의 탄소나 수소의 수나 관계를 다층해석하고, 냄새 분자 구조를 특정한다고 합니다. 그리고, 데이터셋 약 3분의 2를 사용해서 GNN을 트레이닝하는 것으로, AI가 분자구조에 근거해서 그 분자 냄새를 예측할 수 있게 되었습니다.

 

 

 

 

 

단, 냄새 과학에 대해서는 미해명 부분도 많이 존재합니다. 예를 들면, 감귤계 냄새 성분인 D-리모넨과, 박하나 스피어민트의 냄새 성분인 L-리모넨은 면 대칭인 분자구조를 가지는 광학 이성체이며, 냄새가 전혀 다르는데도 불구하고, 그 구조는 대단히 잘 닮아 있습니다. 인간 후각이 D-리모넨과 L-리모넨과 같은 광학 이성체를 어떻게 냄새로 구분하는지, 그 메커니즘은 아직 불명. AI가 광학 이성체 냄새 분자를 높은 정밀도로 판별할 수 있게 하기 위해서는 새로운 훈련이 필요하다고 연구팀은 말합니다.

 

 

 

구글 연구팀은 AI에서 냄새를 맡아 나누는 연구에는 "싼값으로 생산할 수 있는 새로운 냄새 분자의 설계" "냄새 디지탈화" "후각을 잃어버린 사람이 언젠가 장미 향기나 썩은 계란 냄새를 느낄 수 있는 기회를 만든다"등, 장래의 가능성이 많이 있다고 말하고 '최종적으로 고품질이고 개방적인 데이터셋을 공유하는 것으로, 기계학습 세계에서 냄새에 관한 문제에 주목을 모으고 싶다'라고 말합니다.