通过化学特征鉴别年份葡萄酒
通过化学特征鉴别年份葡萄酒。信用:uux.cn/Pixabay/CC0公共领域
（神秘的地球uux.cn）据日内瓦大学：每种葡萄酒都有自己的化学特征吗？如果有，这能用来鉴别它的产地吗？许多专家试图解开这个谜，但没有完全成功。通过将人工智能工具应用于现有数据，日内瓦大学(UNIGE)的一个团队与波尔多大学葡萄与葡萄酒科学研究所合作，成功地以100%的准确率识别了波尔多地区七个主要庄园的红酒的化学标记。
这些结果发表在《通讯化学》杂志上，为打击假冒的潜在新工具和指导葡萄酒行业决策的预测工具铺平了道路。
每一种葡萄酒都是成千上万种分子精细复杂混合物的结果。它们的浓度根据葡萄的成分而波动，这尤其取决于土壤的性质和结构、葡萄品种和酿酒师的做法。
这些变化，即使是非常小的变化，也会对葡萄酒的味道产生很大的影响。这使得仅凭这一感官标准很难确定葡萄酒的精确产地。随着气候变化、新的消费者习惯和假冒行为的增加，对有效工具的需求变得至关重要，以确定葡萄酒的身份。
那么，是否有一种化学特征，对于每一种地产都是不变的和特定的，使得这一点成为可能呢？“葡萄酒行业已经进行了无数次尝试来回答这个问题，虽然结果有问题或者有时是正确的，但是涉及到大量的技术。这是由于混合物的巨大复杂性和所用方法的局限性，这有点像大海捞针，”UNIGE医学院基础神经科学系的全职教授Alexandre Pouget解释道。
使用的方法之一是气相色谱法。这包括通过两种材料之间的亲和力来分离混合物的成分。混合物通过一根30米长的非常细的管子。与管材料具有最大亲和力的成分逐渐与其它成分分离。
每次分离都由质谱仪记录。然后产生色谱图，显示指示分子分离的峰。就葡萄酒而言，由于构成葡萄酒的分子数量众多，这些峰极其繁多，因此进行详细而详尽的分析非常困难。
机器学习处理的数据
Alexandre Pouget的团队与来自波尔多大学葡萄和葡萄酒科学研究所的Stephanie Marchand团队合作，通过结合色谱和人工智能工具找到了解决方案。这些色谱图来自12个年份(1990-2007)和波尔多地区7个庄园的80种红酒。这些原始数据是使用机器学习进行处理的，机器学习是人工智能的一个领域，其中算法学习识别信息集中的重复模式。
“这种方法不需要提取特定的峰并推断浓度，而是允许我们考虑每种葡萄酒的完整色谱图(可能包含多达30，000个点)，包括背景噪声，并在消除不必要的变量后，将每个色谱图总结为两个X和Y坐标。这个过程被称为降维，”迈克尔·沙尔特纳解释说，他是UNIGE医学院基础神经科学系的前博士后学者，也是这项研究的第一作者。
100%可靠的模型
通过在图表上放置新的坐标，研究人员能够看到七个点的“云”。他们发现，这些云根据化学相似性将同一庄园的葡萄酒归为一类。
“这让我们能够证明每个庄园都有自己的化学特征。我们还观察到，三种葡萄酒集中在右边，四种在左边，这与这些庄园所在的加龙河两岸相对应，”波尔多大学葡萄和葡萄酒科学研究所教授、该研究的合著者Stéphanie Marchand解释道。
通过他们的分析，研究人员发现这些葡萄酒的化学特性不是由少数特定分子的浓度来定义的，而是由广泛的化学光谱来定义的。领导这项研究的Alexandre Pouget说:“我们的结果表明，通过将降维技术应用于气相色谱图，有可能以100%的准确度识别葡萄酒的地理来源。”
这项研究为葡萄酒的特性和感官特性提供了新的见解。它还为支持决策的工具的开发铺平了道路，例如，保存一个风土的身份和表达，以及更有效地打击假冒。
