Rancidity의 재정의: 식품과학에서 AI의 새로운 역할

: By Carlos D. Garcia와 Lucas de Brito Ayres, 클렘슨 대학교

방문해 주셔서 감사합니다 InnerSelf.com, 있는 곳에 20,000+ "새로운 태도와 새로운 가능성"을 홍보하는 삶을 변화시키는 기사. 모든 기사는 다음으로 번역됩니다. 30 개 이상의 언어. 확인 매주 발행되는 InnerSelf Magazine과 Marie T Russell의 Daily Inspiration에 게재됩니다. InnerSelf 매거진 1985년부터 출판되었다.

식품 저장실의 스테이플은 산소에 노출되면 산패될 수 있습니다. 다니엘 드 라 호즈/순간

부드럽고 풍부한 맛을 기대하면서 견과류나 초콜릿 한 조각을 깨물었지만 예상치 못한 불쾌한 백악질이나 신맛을 만난 적이 있습니까? 그 맛은 실제로 악취가 나는 것이며 식료품 저장실에 있는 거의 모든 제품에 영향을 미칩니다. 지금 인공 지능 과학자들이 이 문제를 보다 정확하고 효율적으로 해결하는 데 도움이 될 수 있습니다.

우리는 부패한 식품을 포함하여 식품의 수명을 연장하는 방법을 연구하는 화학자 그룹입니다. 우리는 최근 연구 발표 오일 및 지방 샘플을 더 오랫동안 신선하게 유지하는 데 도움이 되는 AI 도구의 장점을 설명합니다. 기름과 지방은 칩, 초콜릿, 견과류 등 다양한 식품 유형에 공통적으로 포함되는 성분이기 때문에 이번 연구 결과는 광범위하게 적용될 수 있으며 화장품, 의약품 등 다른 분야에도 영향을 미칠 수 있습니다.

산패와 항산화제

음식이 산패되다 잠시 동안 공기에 노출되면 산화라는 과정이 발생합니다. 사실 흔한 성분도 많지만, 특히 지질지방과 기름인 는 산소와 반응합니다. 열이나 자외선이 있으면 공정이 가속화될 수 있습니다.

산화는 다음과 같은 더 작은 분자의 형성으로 이어집니다. 케톤, 알데히드 류 과 지방산 산패한 식품에 특유의 등급, 강하고 금속성 향을 부여하는 성분입니다. 상한 음식을 반복적으로 섭취하는 경우 건강을 위협할 수 있다.

다행스럽게도 자연과 식품 산업 모두 산패에 대한 탁월한 방어막인 항산화제를 갖고 있습니다. 음식은 산화라고 불리는 과정으로 인해 산패됩니다.

항산화제 비타민 C와 같은 광범위한 천연 분자와 식품을 산화로부터 보호할 수 있는 합성 분자가 포함됩니다.

이 있지만 항산화제가 작용하는 몇 가지 방법전반적으로 산패를 유발하는 많은 과정을 중화하고 음식의 맛과 영양가를 더 오랫동안 보존할 수 있습니다. 식품 제조업체는 일반적으로 준비 중에 항산화제를 소량 첨가하기 때문에 고객은 자신이 첨가된 항산화제를 섭취하고 있다는 사실조차 모르는 경우가 많습니다.

하지만 단순히 음식에 비타민C를 뿌리고 방부 효과를 기대할 수는 없습니다. 연구자들은 신중하게 선택해야 한다 특정 항산화제 세트 각각의 금액을 정확하게 계산해 보세요.

항산화제를 결합한다고 해서 항상 그 효과가 강화되는 것은 아닙니다. 실제로 잘못된 항산화제를 사용하거나 잘못된 비율로 혼합하면 보호 효과가 감소할 수 있는 경우가 있습니다. 반대. 어떤 조합이 어떤 종류의 음식에 효과가 있는지 알아내려면 많은 실험이 필요하고 시간이 많이 걸리며 전문 인력이 필요하고 음식의 전체 비용이 증가합니다.

가능한 모든 조합을 탐색하려면 엄청난 양의 시간과 자원이 필요하므로 연구자들은 산패에 대해 일정 수준의 보호만 제공하는 몇 가지 혼합물에 갇혀 있습니다. AI가 작동하는 곳은 바로 여기입니다.

AI의 용도

당신은 아마 본 적이 ChatGPT와 같은 AI 도구 뉴스에 나오거나 직접 가지고 놀 수도 있습니다. 이러한 유형의 시스템은 대규모 데이터 세트를 가져옵니다. 패턴을 식별한 다음 사용자에게 유용할 수 있는 출력을 생성합니다. AI 도구는 연구를 수행하는 과학자의 수를 변화시켰습니다.

화학자로서 우리는 AI 도구에 새로운 항산화제 조합을 찾는 방법을 가르치고 싶었습니다. 이를 위해 우리는 함께 작업할 수 있는 AI 유형을 선택했습니다. 텍스트 표현, 각 항산화제의 화학 구조를 설명하는 코드로 작성되었습니다. 먼저, 우리는 AI에 약 백만 개의 화학 반응 목록을 제공하고 분자의 중요한 특징을 식별하는 방법과 같은 몇 가지 간단한 화학 개념을 프로그램에 가르쳤습니다.

기계가 특정 분자가 서로 반응하는 방식과 같은 일반적인 화학 패턴을 인식할 수 있게 되면 우리는 기계에 좀 더 고급 화학을 가르쳐 미세 조정했습니다. 이 단계에서 우리 팀은 이전에 연구 문헌에 설명된 거의 1,100개 혼합물의 데이터베이스를 사용했습니다.

이 시점에서 AI는 90초 이내에 XNUMX~XNUMX가지 항산화제 세트를 결합하는 효과를 예측할 수 있습니다. 그 예측은 문헌에 설명된 효과와 XNUMX% 일치했습니다.

그러나 이러한 예측은 우리 팀이 실험실에서 수행한 실험과 완전히 일치하지 않았습니다. 실제로 우리는 AI가 실제 라드를 사용하여 수행한 산화 실험 중 일부만 정확하게 예측할 수 있다는 사실을 발견했습니다. 이는 결과를 컴퓨터에서 실험실로 전송하는 과정의 복잡성을 보여줍니다.

개선 및 강화

다행히 AI 모델은 예 및 아니요 경로가 사전 정의된 정적 도구가 아닙니다. 그들은 동적 학습자따라서 우리 연구팀은 예측 능력이 향상되고 각 항산화제 조합의 효과를 정확하게 예측할 수 있을 때까지 모델에 새로운 데이터를 계속 공급할 수 있습니다. 인간이 학습을 통해 성장하는 것처럼 모델이 더 많은 데이터를 얻을수록 정확도가 높아집니다.

우리는 실험실에서 약 200개의 사례를 추가함으로써 AI가 우리 팀이 수행한 실험의 결과를 예측할 수 있는 충분한 화학을 학습할 수 있다는 것을 발견했습니다. 예측된 값과 실제 값 사이에는 약간의 차이만 있었습니다.

우리와 같은 모델은 매우 영리한 조수를 두는 것과 같이 과학자들이 작업 중인 특정 식품에 대한 최고의 항산화 조합을 제시함으로써 식품을 보존하는 더 나은 방법을 개발하는 데 도움을 줄 수 있습니다.

이 프로젝트는 이제 AI 모델을 교육하는 보다 효과적인 방법을 모색하고 예측 기능을 더욱 향상시킬 수 있는 방법을 찾고 있습니다.

카를로스 D. 가르시아, 화학과 교수, 클렘 슨 대학교 과 루카스 드 브리토 아이레스, 화학 박사 과정 후보자, 클렘 슨 대학교

이 기사는에서 다시 게시됩니다. 대화 크리에이티브 커먼즈 라이센스하에 읽기 원래 기사.