这些结果发表在《通讯化学》杂志上，为 打击假冒的新潜在工具 葡萄酒以及指导葡萄酒行业决策的预测工具。
每种葡萄酒都是数千个分子精细而复杂的混合物的结果。 它们的浓度根据葡萄的成分而波动，而葡萄的成分又取决于性质、土壤结构、葡萄品种和酿酒师的做法。 这些变化即使很小，也会对葡萄酒的味道产生很大的影响。 随着气候变化、新的消费习惯和葡萄酒假冒现象的增加，拥有有效的工具来确定葡萄酒的身份现在变得至关重要。
使用的技术之一是“气相色谱法”，其在于通过两种材料之间的亲和力来分离混合物的组分。 具体来说，这种方法需要混合物通过一个30米长的很细的管子，在这里与管子材料亲和力较大的成分会逐渐与其他成分分离； 然后，每次分裂都将由“质谱仪”记录，该质谱仪将产生色谱图，能够检测分子分离背后的“峰”。
就葡萄酒而言，由于组成葡萄酒的分子众多，这些峰数量极其众多，使得详细而详尽的分析非常困难。 Alexandre Pouget 的研究小组与波尔多大学葡萄与葡萄酒科学研究所的 Stephanie Marchand 团队合作，结合色谱图和人工智能工具，找到了解决这一困境的方法。
色谱图来自 80 年至 1990 年间 2007 个年份的 XNUMX 款红酒，以及波尔多地区的七个庄园。 然后使用机器学习来处理这些原始数据，这是一个领域人工智能 其中算法学习识别信息组中重复出现的模式。 该方法允许我们考虑每种葡萄酒的完整色谱图，最多可包括 30.000 个点，并将每个色谱图总结在两个坐标 X 和 Y 中，这个过程称为降维。
通过将新坐标放在图表上，研究人员能够看到七个点“云”，并发现每个点都根据化学相似性将同一庄园的年份分组在一起。 通过这种方式，研究人员能够证明每家公司都有自己的化学特征。
在分析过程中，研究人员发现 这些葡萄酒的化学特性并不 defi由某些特定分子的浓度来确定，但来自广泛的化学谱。 “我们的结果表明，通过将降维技术应用于气相色谱图，可以 100% 准确地识别葡萄酒的地理原产地——领导这项研究的 Pouget 强调说——这项研究提供了关于葡萄酒身份和成分组成的新知识。葡萄酒的感官特性。 它还为开发支持决策过程的工具铺平了道路，例如保护领土的身份和表达，以及更有效地打击假冒行为。”
BlogInnovazione.it
