【Osmo：基于GNN的机器嗅觉突破性进展】
1. Osmo发表了一篇名为《A Principal Odor Map Unifies Diverse Tasks in Human Olfactory Perception》的论文，论证了通过机器学习量化、数字化和工程化气味的可能性。
2. 文章发现了一种叫做主要气味映射(POM)的高阶气味映射，类似于RGB颜色系统，可以用来描述任意气味。
3. Osmo使用图神经网络(GNN)模型，通过5000种已知化合物的气味标签训练，构建了气味预测模型。
4. 模型通过预测400种全新分子的气味，在53%的分子上比15名人类小组成员做出更准确的预测，达到了“气味图灵测试”的标准。
5. 模型预测的气味与小组成员的响应一致，正确识别出许多表面上结构不相似但气味相近的分子。
6. 该模型表现出色，超过目前香料行业标准的气味成分发现过程3倍，为Osmo下一步工作奠定基础。
7. Osmo的目标是利用该技术发现下一代安全且强大的香料成分，以创造更健康、更幸福的生活。
8. 总结了气味数字化面临的其他挑战，如预测气味强度、预测混合气味、从传感器直接预测等。
9. 数字化气味能为人们带来诸如提前发现疾病、防止食物浪费、捕捉记忆等好处。
“Osmo - Giving computers a sense of smell.” http://t.cn/A6OS9C5W #机器学习#