Disse resultatene, publisert i tidsskriftet 'Communications Chemistry', baner vei for nye potensielle verktøy for å bekjempe forfalskning viner, og prediktive verktøy for å veilede beslutninger i vinsektoren.
Hver vin er resultatet av fine og komplekse blandinger av tusenvis av molekyler. Konsentrasjonene deres varierer basert på sammensetningen av druen, som i sin tur avhenger av naturen, strukturen til jorda, variasjonen av druer og vinmakerens praksis. Disse variasjonene, selv om de er små, kan ha stor innvirkning på smaken av vinen. Med klimaendringer, nye forbruksvaner og økningen i forfalskning av vin, har behovet for å ha effektive verktøy for å fastslå identiteten til viner nå blitt av fundamental betydning.
En av teknikkene som brukes er 'gasskromatografi', som består i å skille komponentene i en blanding ved affinitet mellom to materialer. Denne metoden krever spesifikt at blandingen passerer gjennom et veldig tynt rør 30 meter langt, her vil komponentene som har større affinitet med materialet i røret gradvis skille seg fra de andre; hver splittelse vil da bli registrert av et 'massespektrometer', som vil produsere et kromatogram som er i stand til å oppdage 'toppene' som ligger til grunn for molekylseparasjonene.
Når det gjelder vin, på grunn av de mange molekylene som utgjør den, er disse toppene ekstremt mange, noe som gjør en detaljert og uttømmende analyse svært vanskelig. I samarbeid med teamet til Stephanie Marchand, fra Institute of Vine and Wine Sciences ved University of Bordeaux, har Alexandre Pougets forskningsgruppe funnet løsningen på dette dilemmaet, ved å kombinere kromatogrammer og kunstig intelligensverktøy.
Kromatogrammene kommer fra 80 rødviner fra tolv årganger, mellom 1990 og 2007, og syv eiendommer i Bordeaux-regionen. Disse rådataene ble deretter behandlet ved hjelp av maskinlæring, et felt avkunstig intelligens der algoritmer lærer å identifisere tilbakevendende mønstre i grupper av informasjon. Metoden lar oss ta hensyn til de komplette kromatogrammene til hver vin, som kan inneholde opptil 30.000 XNUMX poeng, og oppsummere hvert kromatogram i to koordinater X og Y, denne prosessen kalles dimensjonalitetsreduksjon.
Ved å plassere de nye koordinatene på en graf, var forskerne i stand til å se syv "skyer" av punkter og oppdaget at hver av disse grupperte årganger av samme eiendom basert på deres kjemiske likheter. På denne måten kunne forskerne demonstrere at hvert selskap har sin egen kjemiske signatur.
I løpet av sine analyser oppdaget forskerne det den kjemiske identiteten til disse vinene var ikke defibasert på konsentrasjonen av noen spesifikke molekyler, men fra et bredt kjemisk spektrum. «Våre resultater viser at det er mulig å identifisere den geografiske opprinnelsen til en vin med 100 % nøyaktighet, ved å bruke dimensjonalitetsreduksjonsteknikker på gasskromatogrammer – understreket Pouget, som også ledet forskningen – studien gir ny kunnskap om komponentene i identiteten og sensoriske egenskaper til en vin. Det baner også vei for utvikling av verktøy for å støtte beslutningsprosessen, for eksempel å bevare identiteten og uttrykket til et territorium og for mer effektivt å bekjempe forfalskning."
BlogInnovazione.it
Sist mandag kunngjorde Financial Times en avtale med OpenAI. FT lisensierer sin journalistikk i verdensklasse...
Millioner av mennesker betaler for strømmetjenester og betaler månedlige abonnementsavgifter. Det er vanlig oppfatning at du...
Coveware by Veeam vil fortsette å tilby responstjenester for cyberutpressing. Coveware vil tilby kriminaltekniske og utbedringsmuligheter...
Prediktivt vedlikehold revolusjonerer olje- og gasssektoren, med en innovativ og proaktiv tilnærming til anleggsledelse...
