一種新型計算機訓練的氣味模型在識别氣味方面比人類做得更好。在分析 50 萬種從未合成過的潛在氣味分子時，它還輕松完成了需要 70 個人年才能完成的工作。雖然機器在模仿人類的視覺和味覺方面做得越來越好，但在開發嗅覺方面卻有些落後。
當然，已經有電子鼻可以嗅出血細胞中的癌細胞，并對廢水處理廠周圍的空氣進行評估，但真正由計算機驅動的嗅覺卻一直難以實作。這也許是因為我們的鼻子有 400 個嗅覺受體，比視覺的 4 個受體和味覺的約 40 個受體多出許多。
賓夕法尼亞大學莫奈爾化學感官中心的研究人員與 Osmo 公司（Google DeepMind 的衍生公司）的同僚們一起，上司了一項研究，建立了一個基于神經網絡的系統，該系統可以分析氣味分子，并用人類語言描述該分子應該是什麼味道。該人工智能系統開發出了研究人員所稱的"主要氣味圖"（POM）。
"在嗅覺研究中[......]，是什麼實體特性讓空氣中的分子在大腦中産生這樣的氣味一直是個謎。"但是，如果計算機能夠辨識出分子的形狀與我們最終如何感覺其氣味之間的關系，科學家們就可以利用這些知識來加深對我們的大腦和鼻子如何協同工作的了解。
這些知識可以幫助研究人員開發出更好的驅蚊劑或除臭産品，以及其他可能的應用。
為了訓練該系統，研究小組向它輸入了 5000 種氣味物質的分子結構，以及一系列描述氣味的描述，如"薄荷味"或"黴味"。研究小組還請來了 15 位專家組成員，讓他們嗅出 400 種氣味，并給他們 55 個詞來描述每種氣味。
在測試中，人工智能系統的表現略好于小組成員。但還有一個更令人印象深刻的結果。
"然而，最令人驚訝的結果是，該模型成功地完成了它沒有接受過訓練的嗅覺任務，"Mainland 說。"讓人大開眼界的是，我們從未訓練它學習氣味強度，但它仍能做出準确的預測"。
接下來，研究人員利用該系統繪制了 50 萬種從未被實際合成過的氣味分子--研究小組表示，這項任務需要人類嗅聞 70 年才能完成。
研究人員寫道："神經科學的進步通常以神經回路支援的新世界地圖的建立和發現來衡量。之是以能夠做到這一點，是因為科學家們首先擁有了外部世界的地圖，然後測量了大腦中的反應是如何随着刺激物在地圖上的位置而變化的。這項研究提出并驗證了以資料為驅動的人類嗅覺地圖。我們希望這張地圖能對化學、嗅覺神經科學和心理實體學研究人員有所幫助[......]成為研究嗅覺本質的新工具。"
這項研究發表在《科學》雜志上。