在享受一杯冰镇啤酒时，你有没有想过，是什么让一款啤酒的风味如此独特，又是什么让我们对某款啤酒情有独钟？
食品风味依赖于众多相互影响的化学成分和外界因素。
长期以来，分析和改善啤酒风味，一直依赖酿酒师的经验和品酒师的感官评价。但这种方法主观性强，并且成本昂贵。
有没有一种更为科学、更为精确的方法，能够分析啤酒风味，并且改善啤酒风味呢？
一项发表在顶级期刊 Nature Communications 上的研究为我们提供了答案。
1
在研究中，科研团队搜集了250种比利时商用啤酒样本，涵盖了22种不同风格。
他们花费五年时间对这些样本进行了化学分析，测量了每种啤酒的化学性质和风味化合物，包括酒精含量、苦味酸、pH值、糖浓度等，以及超过200种风味化合物。
图：选定化学成分与感官描述相关性（化学成分右上，感官描述左下）
为了预测啤酒的风味和消费者喜爱度，研究团队使用了10种不同的机器学习模型。
在这些模型中，梯度提升模型表现最佳，能够显著优于传统的统计方法，准确预测复杂的食品特性和消费者喜好。
研究人员还结合了超过18万条消费者评论。通过数据集、模型和消费者平均，他们能够确定哪些特定化合物对啤酒的口感和消费者的喜爱度有显著影响。
例如，模型预测添加乳酸（存在于酸味啤酒中）可以通过使啤酒味道更清新。
为了验证这一预测，研究人员在啤酒酿造中添加了模型建议的风味成分，并进行了盲品测试。
上图：品鉴小组与感官数据的相关性
热图颜色表示斯皮尔曼的Rho值。坐标轴根据感官类别（香气、味道、口感、整体）、化学类别以及啤酒中的化学来源组织（麦芽（蓝色）、啤酒花（绿色）、酵母（红色）、野生菌群（黄色）、其他（黑色））
结果显示，这些经过改良的啤酒在口感和受欢迎度方面均有显著提升。
“我们让模型分析这些啤酒，然后问它们‘我们如何让这些啤酒更好喝？’”项目参与者、KU Leuven大学的Kevin Verstrepen教授说。“
然后我们按照模型的建议实际对啤酒进行了这些改变。结果令人惊讶——在盲品中，这些啤酒确实变得更好喝，更受欢迎。
2
通过分析大量的数据，AI模型能够预测哪些风味组合会受到消费者的欢迎，从而指导酿酒师在生产中调整啤酒配方。这也为个性化定制啤酒风味提供了可能。
例如，在无酒精啤酒的改进过程中，研究人员利用AI模型预测了添加某些化合物后的效果，并在实际生产中验证了这些预测。
通过添加预测浓度最高的化学化合物的啤酒进行模型验证
这种数据驱动的方法不仅提高了产品的质量，还显著缩短了产品开发的周期，节省了大量的时间和成本。
华盛顿州立大学食品科学与工程学院教授Carolyn Ross表示，这种机器学习方法在探索食品质地和营养以及根据不同人群的需求调整成分方面也具有巨大潜力。
例如，老年人通常不喜欢复杂的质地或成分组合，她说。“我们在这里有很多可以探索的领域，特别是当我们面向不同人群开发特定产品时。”
这项研究不仅展现了AI大模型在啤酒酿造领域的巨大潜力，也为食品工程学和其他领域提供了参考。
借助AI大模型，发现过去难以发现的规律、模式，甚至创造新的材料。
参考文献： https://www.nature.com/articles/s41467-024-46346-0
**你所在领域的科研中，如何使用AI大模型？ 欢迎分享你的见解。
**
关注我，用AI提升生产力🌟
每周末赠送AI相关图书
推荐阅读
• 利用AI大模型，将任何文本语料转化为知识图谱，可本地运行！