Ai-Driven Coffee Tasting: Predicting Taste Attributes From Electrochemical Imprints
本研究表明，将循环伏安法产生的电化学印迹与机器学习算法相结合，可以有效预测咖啡的甜度、苦度和酸度等风味属性，这一能力通过对结合在电极表面的关键挥发性化合物进行 GC-MS 分析和 DFT 模拟得到了进一步验证。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
咖啡是世界上最受喜爱的饮品之一，这种饮品的魅力在于复杂的化学相互作用，从而创造出从明亮果香到深邃巧克力风味的各种口感。几个世纪以来，人类一直依靠自身的感官来判断这种品质，这种做法被称为“杯测”（cupping），即由经过训练的专家对每一杯咖啡进行品尝和评分。然而，人类的味觉是主观的，因人而异。近年来，科学家们试图通过使用机器来“品尝”咖啡，以实现这一过程的客观化，这些机器通常利用电子鼻或电子舌来检测化学信号。挑战在于，如何让这些机器在不需要昂贵、笨重的实验室设备的情况下，依然能够达到与人类专家相匹配的准确度。这项新研究探索了一条不同的路径，即利用简单的电学测量来捕捉咖啡冲泡液独特的化学特征，然后利用计算机算法将这些信号转化为对饮品的描述。
来自俄罗斯和白俄罗斯大学的一个研究小组决定探讨是否可以仅凭标准的电学测试和一台计算机来预测咖啡的味道。他们首先准备了近两百份不同的研磨咖啡样本，并以模拟专业品鉴标准的方式用热水进行冲泡。随后，一组合格的专家对每一杯咖啡进行了品尝，并针对甜度、酸度和苦度等特定属性以及整体质量得分进行了评分。这些人类反馈成为了计算机最终需要学习的“真相”。在专家品尝的同时，研究人员同步测量了液体的电学行为。他们将四种不同类型的金属和碳电极放入咖啡中，并运行了一项特定的电学测试，称为循环伏安法（cyclic voltammetry）。这个过程涉及缓慢改变施加在电极上的电压，并测量流经液体的电流。由于咖啡含有许多能以独特方式对电产生反应的化学物质，由此产生的电流变化模式就像是那一杯特定咖啡的数字指纹或印记。
随后，研究人员将这些电学指纹连同人类的味觉评分一起输入到一个机器学习系统中。这类计算机程序旨在寻找数据中的模式；在这种情况下，它学习如何将电极产生的特定电学形状与人类对咖啡的描述联系起来。团队测试了四种不同的电极材料：铜、镍、金和玻璃碳。他们发现，最佳结果取决于机器试图预测的目标。当目标是将咖啡的整体质量判定为“好”或“坏”时，金和铜电极的表现最为出色。使用金电极数据的计算机模型特别准确，能够以接近人类专家共识的可靠程度正确识别高质量咖啡。对于识别酸度的特定任务，镍和碳电极被证明是最有效的工具。计算机成功学习了如何区分低酸度和中酸度，这表明这些特定材料产生的电信号对冲煮液中的酸具有敏感性。
为了理解这些电学信号为何有效，团队进行了更深入的化学研究。他们使用了气相色谱技术（一种分离并鉴定挥发性化合物的技术），发现咖啡中主要的物质包括咖啡因、乙酸和一种名为 2-呋喃甲醇的化合物。接着，他们利用计算机模拟来模拟这些特定分子如何与金属电极表面发生相互作用。模拟显示，这些分子以热力学稳定的方式结合到金属表面，这意味着它们会自然地粘附在电极上。这证实了这些电学“印记”并非随机噪声，而是直接由赋予咖啡味道的那些化学物质的存在所引起的。研究表明，电学响应是所有这些不同化学相互作用同时发生的叠加效应。
研究结果表明，利用简单且非昂贵的设备实现咖啡味道的数字化是可能的。整个装置——由一个标准的电学测量设备和基础金属电极组成——比通常用于食品分析的大型光谱仪或质谱仪要便宜得多。该方法速度很快，每个样本仅需几分钟，且电极可以抛光并重复使用数百次。虽然该系统目前还不能取代人类的咖啡品鉴师，但它提供了一种快速且一致地筛选咖啡质量的、具有前景的客观方法。通过将一杯咖啡复杂的化学成分转化为简单的电信号，并让计算机进行解读，研究人员展示了将咖啡品鉴艺术带入数字时代的一种新途径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。