El modelo de Ogdiffusion con AI muestra potencio para la aplicación de la colocación de modelos de difusión para la generación de olor. Crédito: Instituto de Ciencias Tokio
Al abordar los desafíos del diseño de fragancias, los investigadores del Instituto de Ciencias Tokio (Science Tokyo) han desarrollado un modelo de IA que puede automatizar la creación de nuevas fragancias basadas en descriptores de aroma definidos por el usuario. El modelo utiliza perfiles de espectrometría de masas de aceites esenciales y descriptores de olor correspondientes para generar mezclas de aceite esenciales para nuevos aromas.
Este avance podría cambiar el juego para la industria de las fragancias, ir más allá de la prueba y el error para permitir la producción de fragancias rápida y escalable. Los hallazgos se publican en IEEE Access.
Diseñar nuevas fragancias es crucial en industrias como la perfumería, los alimentos y los productos para el hogar, donde el olor influye significativamente en la experiencia general de estos productos. Sin embargo, la creación tradicional de fragancias puede llevar mucho tiempo y, a menudo, depende de la habilidad y la experiencia de los perfumadores especializados. El proceso suele ser desafiante y de mano de obra, lo que requiere numerosos intentos de prueba y error para lograr el aroma deseado.
Para automatizar este proceso, un equipo de investigación, dirigido por el profesor Takamichi Nakamoto de Science Tokyo, desarrolló un modelo de IA llamado Difusión generativa de olor (Ogdiffusion). Este modelo utiliza redes de difusión generativa, un tipo de modelo de aprendizaje automático que aprende a crear un nuevo contenido al invertir un proceso de ruido informado por los datos existentes.
Estos modelos ya están ampliamente empleados para generar imágenes y texto, y el equipo ha adaptado esta tecnología para crear nuevas fragancias.
El sistema opera analizando los perfiles químicos (datos de espectrometría de masas) de 166 aceites esenciales, que están etiquetados con nueve descriptores de olor (como “cítricos” o “leñosos”).
Cuando los usuarios especifican las características de aroma deseadas, la IA genera un perfil químico correspondiente (espectro de masas) que se alinea con esos descriptores. Luego calcula la combinación de aceites esenciales necesarios para recrear ese olor usando un método matemático llamado mínimos cuadrados no negativos.
Resultados de la prueba sensorial con 14 evaluadores. Esta prueba examinó si los participantes podrían clasificar los aromas generados de acuerdo con los conjuntos proporcionados de descriptores de olor. El número de respuestas correctas indica cuántos participantes identificaron correctamente cada aroma previsto. Podemos decir que los participantes clasificaron correctamente los aromas previstos bajo el nivel de significancia del 1%, ya que todos los valores p estaban por debajo de ese nivel. Crédito: Takamichi Nakamoto
“Nuestra red de difusión utiliza patrones en datos de espectrometría de masas de aceites esenciales para generar nuevos perfiles de fragancia en un enfoque totalmente automatizado, simplificado y basado en datos, mientras mantenemos la producción de datos de alta calidad. Al eliminar la intervención humana y la síntesis molecular del proceso, proporcionamos un método rápido, general y eficiente para la generación de fragancias”, explica nakamoto.
Si bien se han desarrollado modelos de generación de fragancias basados en IA existentes, se basan en conjuntos de datos patentados y aún requieren información de expertos. La principal ventaja del nuevo método es su capacidad para automatizar la creación de nuevos aromas por completo. Además, a medida que el sistema produce fragancias basadas en recetas de aceite esencial, el aroma final se puede recrear fácilmente.
Además, el equipo realizó pruebas sensoriales humanas para evaluar si las fragancias generadas por IA se alinean con los perfiles de aroma previstos. En una configuración doble ciego, 14 participantes tenían la tarea de hacer coincidir fragancias generadas por IA con descriptores apropiados (como “cítricos” o “florales”).
Los participantes fueron consistentemente capaces de identificar la fragancia correcta, lo que demuestra que el sistema podría producir aromas que cumplían con las expectativas de las personas. En otra prueba, los participantes distinguieron entre dos aromas: uno diseñado para expresar un descriptor de olor específico adicional y un aroma original sin ese descriptor.
Seleccionaron de manera confiable el aroma que coincidía con el descriptor objetivo, lo que indica que el modelo genera perfiles de aroma claros e identificables.
El modelo de Nakamoto, el primero de su tipo, es un futuro en el que la IA transforma el diseño de olor. “Este enfoque representa un avance significativo en el diseño de aroma”, afirma Nakamoto.
Agregando aún más, dice: “Al automatizar la generación de espectros de masas correspondientes a los perfiles de olor deseados, la red Ogdiffusion ofrece un método más eficiente y escalable para la creación de fragancias. Además, incluso un novato puede crear un aroma previsto para hacer contenido digital perfumado”.
En resumen, este método innovador permite un diseño de aroma más rápido y más flexible, con posibles aplicaciones en varias industrias. Al aprovechar la IA para la generación de olor, el modelo Ogdiffusion demuestra que las computadoras pueden poseer una nariz para la creatividad.
Más información: Manuel Aleixandre et al, Red de difusión generativa para crear aromas, IEEE Access (2025). Doi: 10.1109/access.2025.35555273
Proporcionado por el Instituto de Ciencias Tokio
Cita: Generation AI Masters El arte de la creación de aroma (2025, 23 de abril) Consultado el 23 de abril de 2025 de https://techxplore.com/news/2025-04-generative-ai-masters-art-scent.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
