科学家开发科学代理模型，打破传统食品行业的风味合成壁垒

文章预览

近日，美国南加利福尼亚大学博士生黄腾昊和其所在团队通过引入 AI，有效处理了食品行业在风味数据复杂性预测方面的难题。 这改变了传统食品工程实验室通过多轮合成/试错/反馈，来理解食品风味分子组成和食品风味特征的耗时耗力的方式。 图丨黄腾昊（来源：该团队） 该团队首先引入一个新颖的数据集（FoodPuzzle），该数据集包含 978 种食品项目和 1766 种风味分子的资料，这些资料来源一个包含风味分子详细信息的综合数据库于 FlavorDB [1]。 该数据集的结构包括两项任务： 第一，食品风味预测，即基于给定的风味分子的集合预测食品种类；第二，食品分子组成预测，即识别指定食品中可能的风味分子。 图丨 FoodPuzzle 数据层次的高级概述（来源： arXiv ） 随后，他们开发了一种新型的科学代理（scientific agent）模型，集成了将上下文学习与检索 ………………………………