Dessa resultat, publicerade i tidskriften 'Communications Chemistry', banar väg för nya potentiella verktyg för att bekämpa förfalskning viner och prediktiva verktyg för att vägleda beslutsfattande inom vinsektorn.
Varje vin är resultatet av fina och komplexa blandningar av tusentals molekyler. Deras koncentrationer fluktuerar beroende på druvans sammansättning, vilket i sin tur beror på naturen, jordens struktur, druvvariationen och vinmakarens metoder. Dessa variationer, även om de är små, kan ha stor inverkan på vinets smak. Med klimatförändringar, nya konsumtionsvanor och ökningen av vinförfalskning har behovet av att ha effektiva verktyg för att fastställa vinernas identitet nu blivit av grundläggande betydelse.
En av teknikerna som används är "gaskromatografi", som består i att separera komponenterna i en blandning genom affinitet mellan två material. Denna metod kräver specifikt att blandningen passerar genom ett mycket tunt rör 30 meter långt, här kommer komponenterna som har större affinitet med rörets material gradvis att separeras från de andra; varje split kommer sedan att registreras av en "masspektrometer", som kommer att producera ett kromatogram, som kan detektera "topparna" som ligger bakom molekylseparationerna.
När det gäller vin, på grund av de många molekylerna som utgör det, är dessa toppar extremt många, vilket gör en detaljerad och uttömmande analys mycket svår. I samarbete med teamet av Stephanie Marchand, från Institute of Vine and Wine Sciences vid University of Bordeaux, har Alexandre Pougets forskargrupp hittat lösningen på detta dilemma, genom att kombinera kromatogram och artificiell intelligens.
Kromatogrammen kommer från 80 röda viner från tolv årgångar, mellan 1990 och 2007, och sju gods i Bordeaux-regionen. Denna rådata bearbetades sedan med hjälp av maskininlärning, ett område förartificiell intelligens där algoritmer lär sig att identifiera återkommande mönster i informationsgrupper. Metoden gör att vi kan ta hänsyn till de fullständiga kromatogrammen för varje vin, som kan innehålla upp till 30.000 XNUMX poäng, och sammanfatta varje kromatogram i två koordinater X och Y, denna process kallas dimensionalitetsreduktion.
Genom att placera de nya koordinaterna på en graf kunde forskarna se sju "moln" av punkter och upptäckte att var och en av dessa grupperade årgångar av samma egendom baserat på deras kemiska likheter. På så sätt kunde forskarna visa att varje företag har sin egen kemiska signatur.
Det upptäckte forskarna under sina analyser den kemiska identiteten för dessa viner var inte definiteras av koncentrationen av vissa specifika molekylermen från ett brett kemiskt spektrum. ”Våra resultat visar att det är möjligt att identifiera det geografiska ursprunget för ett vin med 100 % noggrannhet, genom att tillämpa dimensionsreducerande tekniker på gaskromatogram – underströk Pouget, som också ledde forskningen – studien ger ny kunskap om komponenter i identiteten och sensoriska egenskaper hos ett vin. Det banar också väg för utvecklingen av verktyg för att stödja beslutsprocessen, som att bevara ett territoriums identitet och uttryck och för att mer effektivt bekämpa förfalskning."
BlogInnovazione.it
Att utveckla finmotorik genom färgläggning förbereder barn för mer komplexa färdigheter som att skriva. Att färglägga…
Marinesektorn är en sann global ekonomisk makt, som har navigerat mot en marknad på 150 miljarder...
I måndags tillkännagav Financial Times ett avtal med OpenAI. FT licensierar sin journalistik i världsklass...
Miljontals människor betalar för streamingtjänster och betalar månatliga prenumerationsavgifter. Det är en allmän uppfattning att du...