這些結果發表在《通訊化學》雜誌上，為 打擊假冒的新潛在工具 葡萄酒以及指導葡萄酒產業決策的預測工具。
每種葡萄酒都是數千個分子精細而複雜的混合物的結果。 它們的濃度會根據葡萄的成分而波動，而葡萄的成分又取決於性質、土壤結構、葡萄品種和釀酒師的做法。 這些變化即使很小，也會對葡萄酒的味道產生很大的影響。 隨著氣候變遷、新的消費習慣和葡萄酒假冒現象的增加，擁有有效的工具來確定葡萄酒的身份現在變得至關重要。
使用的技術之一是“氣相層析法”，其在於透過兩種材料之間的親和力來分離混合物的成分。 具體來說，這種方法需要混合物通過一個30公尺長的很細的管子，在這裡與管子材料親和力較大的成分會逐漸與其他成分分離； 然後，每次分裂都將由「質譜儀」記錄，該質譜儀將產生色譜圖，能夠檢測分子分離背後的「峰值」。
就葡萄酒而言，由於組成葡萄酒的分子眾多，這些峰值數量極為眾多，使得詳細而詳盡的分析非常困難。 Alexandre Pouget 的研究團隊與波爾多大學葡萄與葡萄酒科學研究所的 Stephanie Marchand 團隊合作，結合色譜圖和人工智慧工具，找到了解決這一困境的方法。
色譜圖來自 80 年至 1990 年間 2007 個年份的 XNUMX 款紅酒，以及波爾多地區的七個莊園。 然後使用機器學習來處理這些原始數據，這是一個領域人工智能 其中演算法學習辨識資訊組中重複出現的模式。 此方法可讓我們考慮每種葡萄酒的完整色譜圖，最多可包括 30.000 個點，並將每個色譜總結在兩個座標 X 和 Y 中，這個過程稱為降維。
透過將新座標放在圖表上，研究人員能夠看到七個點“雲”，並發現每個點都根據化學相似性將同一莊園的年份分組在一起。 透過這種方式，研究人員能夠證明每家公司都有自己的化學特徵。
在分析過程中，研究人員發現 這些葡萄酒的化學特性並不 defi由某些特定分子的濃度來決定，但來自廣泛的化學光譜。 「我們的結果表明，透過將降維技術應用於氣相色譜圖，可以100% 準確地識別葡萄酒的地理原產地——領導這項研究的Pouget 強調——這項研究提供了關於葡萄酒身份和成分組成的新知識。葡萄酒的感官特性。 它還為開發支持決策過程的工具鋪平了道路，例如保護領土的身份和表達，以及更有效地打擊假冒行為。”
BlogInnovazione.it
