Ponarejena vina, umetna inteligenca lahko razkrije prevare

Revija Komunikacijska kemija objavili rezultate analize o kemijskem označevanju rdečih vin.

Univerzi v Ženevi in ​​Bordeauxu sta s 100-odstotno natančnostjo uspeli identificirati kemijsko oznako rdečih vin sedmih velikih podjetij za proizvodnjo vina v regiji Bordeaux.

Rezultati so bili pridobljeni zahvaljujoč uporabi umetne inteligence.

Boj proti ponarejanju vina

Ti rezultati, objavljeni v reviji 'Communications Chemistry', utirajo pot za nova možna orodja za boj proti ponarejanju vina in napovedna orodja za usmerjanje odločanja v vinskem sektorju. 

Vsako vino je rezultat finih in kompleksnih mešanic tisočerih molekul. Njihove koncentracije nihajo glede na sestavo grozdja, ta pa je odvisna od narave, strukture tal, sorte grozdja in prakse vinarja. Te razlike, tudi če so majhne, ​​lahko močno vplivajo na okus vina. S podnebnimi spremembami, novimi potrošniškimi navadami in porastom ponarejanja vin je postala potreba po učinkovitih orodjih za določanje identitete vin temeljnega pomena.

Plinska kromatografija

Ena od uporabljenih tehnik je "plinska kromatografija"., ki je sestavljen iz ločevanja komponent zmesi z afiniteto med dvema materialoma. Ta metoda posebej zahteva, da zmes prehaja skozi zelo tanko 30 metrov dolgo cev, pri čemer se komponente, ki imajo večjo afiniteto z materialom cevi, postopoma ločijo od drugih; vsaka delitev bo nato zabeležena z „masnim spektrometrom“, ki bo izdelal kromatogram, ki bo lahko zaznal „vrhove“, na katerih temeljijo molekularne ločitve.

V primeru vina je zaradi številnih molekul, ki ga sestavljajo, teh vrhov izjemno veliko, zato je podrobna in izčrpna analiza zelo težka. V sodelovanju z ekipo Stephanie Marchand z Inštituta za trto in vinarske vede Univerze v Bordeauxu je raziskovalna skupina Alexandra Pougeta našla rešitev za to dilemo in združila kromatograme in orodja umetne inteligence.

Kromatogrami in umetna inteligenca

Kromatogrami prihajajo iz 80 rdečih vin iz dvanajstih letnikov, med letoma 1990 in 2007., in sedem posestev v regiji Bordeaux. Ti neobdelani podatki so bili nato obdelani s strojnim učenjem, področjemumetna inteligenca v katerem se algoritmi naučijo prepoznati ponavljajoče se vzorce v skupinah informacij. Metoda nam omogoča, da upoštevamo celotne kromatograme vsakega vina, ki lahko vključujejo do 30.000 točk, in vsak kromatogram povzamemo v dveh koordinatah X in Y, ta proces imenujemo redukcija dimenzij.

S postavitvijo novih koordinat na graf so raziskovalci lahko videli sedem 'oblakov' točk in odkrili, da je vsaka od teh združevala letnike iste posesti na podlagi njihovih kemijskih podobnosti. Na ta način so raziskovalci lahko dokazali, da ima vsako podjetje svoj kemični podpis.

Raziskovalci so med svojimi analizami odkrili, da kemična identiteta teh vin ni bila defiki ga določa koncentracija nekaterih specifičnih molekul, vendar iz širokega kemijskega spektra. »Naši rezultati kažejo, da je mogoče identificirati geografsko poreklo vina s 100-odstotno natančnostjo z uporabo tehnik za zmanjšanje dimenzionalnosti na plinskih kromatogramih – je poudaril Pouget, ki je tudi vodil raziskavo – študija zagotavlja nova znanja o komponentah identitete in senzorične lastnosti vina. Prav tako utira pot za razvoj orodij za podporo procesu odločanja, kot je ohranjanje identitete in izražanja ozemlja ter za učinkovitejši boj proti ponarejanju." 

BlogInnovazione.it