નકલી વાઇન, આર્ટિફિશિયલ ઇન્ટેલિજન્સ સ્કેમ્સને અનમાસ્ક કરી શકે છે

મેગેઝિન કોમ્યુનિકેશન્સ કેમિસ્ટ્રી રેડ વાઇનના રાસાયણિક લેબલિંગ પરના વિશ્લેષણના પરિણામો પ્રકાશિત કર્યા છે.

જીનીવા અને બોર્ડેક્સની યુનિવર્સિટીઓએ બોર્ડેક્સ પ્રદેશમાં સાત મોટી વાઇન ઉત્પાદક કંપનીઓના રેડ વાઇનના રાસાયણિક લેબલને 100% ચોકસાઈ સાથે ઓળખવામાં વ્યવસ્થાપિત કરી છે.

પરિણામો આર્ટિફિશિયલ ઇન્ટેલિજન્સ એપ્લિકેશનને કારણે પ્રાપ્ત થયા હતા.

વાઇન બનાવટી સામે લડવું

'કોમ્યુનિકેશન્સ કેમિસ્ટ્રી' જર્નલમાં પ્રકાશિત થયેલા આ પરિણામો માટે માર્ગ મોકળો થયો છે નકલી સામે લડવા માટે નવા સંભવિત સાધનો વાઇન, અને વાઇન સેક્ટરમાં નિર્ણય લેવામાં માર્ગદર્શન આપવા માટે અનુમાનિત સાધનો. 

દરેક વાઇન હજારો પરમાણુઓના સુંદર અને જટિલ મિશ્રણનું પરિણામ છે. તેમની સાંદ્રતા દ્રાક્ષની રચનાના આધારે વધઘટ થાય છે, જે બદલામાં, પ્રકૃતિ, જમીનની રચના, દ્રાક્ષની વિવિધતા અને વાઇનમેકરની પદ્ધતિઓ પર આધાર રાખે છે. આ વિવિધતાઓ, ભલે નાની હોય, વાઇનના સ્વાદ પર મોટી અસર કરી શકે છે. આબોહવા પરિવર્તન, ગ્રાહકોની નવી આદતો અને વાઇનની નકલમાં વધારા સાથે, વાઇનની ઓળખ નક્કી કરવા માટે અસરકારક સાધનોની જરૂરિયાત હવે મૂળભૂત મહત્વ બની ગઈ છે.

ગેસ ક્રોમેટોગ્રાફી

ઉપયોગમાં લેવાતી તકનીકોમાંની એક છે 'ગેસ ક્રોમેટોગ્રાફી', જેમાં બે સામગ્રી વચ્ચેના જોડાણ દ્વારા મિશ્રણના ઘટકોને અલગ કરવામાં આવે છે. આ પદ્ધતિમાં, ખાસ કરીને, મિશ્રણને 30 મીટર લાંબી ખૂબ જ પાતળી ટ્યુબમાંથી પસાર થવાની જરૂર છે, અહીં ટ્યુબની સામગ્રી સાથે વધુ સંબંધ ધરાવતા ઘટકો ધીમે ધીમે અન્યથી અલગ થઈ જશે; દરેક વિભાજન પછી 'માસ સ્પેક્ટ્રોમીટર' દ્વારા રેકોર્ડ કરવામાં આવશે, જે એક ક્રોમેટોગ્રામ બનાવશે, જે પરમાણુ વિભાજન અંતર્ગત 'શિખરો' શોધવા માટે સક્ષમ છે.

વાઇનના કિસ્સામાં, તેને કંપોઝ કરતા અસંખ્ય પરમાણુઓને લીધે, આ શિખરો અત્યંત અસંખ્ય છે, જે વિગતવાર અને સંપૂર્ણ વિશ્લેષણ ખૂબ જ મુશ્કેલ બનાવે છે. યુનિવર્સિટી ઓફ બોર્ડેક્સની ઇન્સ્ટિટ્યૂટ ઑફ વાઈન એન્ડ વાઈન સાયન્સની સ્ટેફની માર્ચન્ડની ટીમ સાથે મળીને, એલેક્ઝાન્ડ્રે પૉગેટના સંશોધન જૂથે ક્રોમેટોગ્રામ અને આર્ટિફિશિયલ ઈન્ટેલિજન્સ સાધનોને જોડીને આ મૂંઝવણનો ઉકેલ શોધી કાઢ્યો છે.

ક્રોમેટોગ્રામ્સ અને આર્ટિફિશિયલ ઇન્ટેલિજન્સ

ક્રોમેટોગ્રામ 80 અને 1990 ની વચ્ચે, બાર વિન્ટેજમાંથી 2007 રેડ વાઇનમાંથી આવે છે., અને બોર્ડેક્સ પ્રદેશમાં સાત એસ્ટેટ. આ કાચો ડેટા પછી મશીન લર્નિંગનો ઉપયોગ કરીને પ્રક્રિયા કરવામાં આવ્યો હતો, જેનું એક ક્ષેત્ર છેકૃત્રિમ બુદ્ધિ જેમાં અલ્ગોરિધમ્સ માહિતીના જૂથોમાં રિકરિંગ પેટર્નને ઓળખવાનું શીખે છે. પદ્ધતિ અમને દરેક વાઇનના સંપૂર્ણ ક્રોમેટોગ્રામને ધ્યાનમાં લેવાની મંજૂરી આપે છે, જેમાં 30.000 પોઇન્ટ્સ સુધીનો સમાવેશ થઈ શકે છે, અને દરેક ક્રોમેટોગ્રામને બે કોઓર્ડિનેટ્સ X અને Yમાં સારાંશ આપે છે, આ પ્રક્રિયાને પરિમાણીયતા ઘટાડો કહેવામાં આવે છે.

નવા કોઓર્ડિનેટ્સને ગ્રાફ પર મૂકીને, સંશોધકો પોઈન્ટના સાત 'વાદળો' જોવામાં સક્ષમ હતા અને શોધ્યું કે આમાંના દરેકે તેમની રાસાયણિક સમાનતાના આધારે સમાન એસ્ટેટના વિન્ટેજને એકસાથે જૂથબદ્ધ કર્યા છે. આ રીતે સંશોધકો એ દર્શાવવામાં સક્ષમ હતા કે દરેક કંપનીની પોતાની રાસાયણિક હસ્તાક્ષર છે.

તેમના વિશ્લેષણ દરમિયાન, સંશોધકોએ તે શોધ્યું આ વાઇનની રાસાયણિક ઓળખ ન હતી defiઅમુક ચોક્કસ પરમાણુઓની સાંદ્રતા દ્વારા નાઈટેડ, પરંતુ વ્યાપક રાસાયણિક સ્પેક્ટ્રમમાંથી. “અમારા પરિણામો દર્શાવે છે કે ગેસ ક્રોમેટોગ્રામ્સમાં પરિમાણીયતા ઘટાડવાની તકનીકો લાગુ કરીને 100% ચોકસાઈ સાથે વાઇનના ભૌગોલિક મૂળને ઓળખવું શક્ય છે – અન્ડરલાઈન પોગેટ, જેમણે સંશોધનનું નેતૃત્વ પણ કર્યું – અભ્યાસ ઓળખના ઘટકો પર નવું જ્ઞાન પ્રદાન કરે છે અને વાઇનના સંવેદનાત્મક ગુણધર્મો. તે નિર્ણય લેવાની પ્રક્રિયાને ટેકો આપવા માટેના સાધનોના વિકાસનો માર્ગ પણ મોકળો કરે છે, જેમ કે પ્રદેશની ઓળખ અને અભિવ્યક્તિને સાચવવા અને નકલી સામે વધુ અસરકારક રીતે લડવા." 

BlogInnovazione.it