1. 首頁 > 生活百科 > >

通過化學特征鑒別年份葡萄酒

化學


通過化學特征鑒別年份葡萄酒


通過化學特征鑒別年份葡萄酒 。信用:Pixabay/CC0公共領域
據日內瓦大學：每種葡萄酒都有自己的化學特征嗎？如果有，這能用來鑒別它的產地嗎？許多專家試圖解開這個謎 ， 但沒有完全成功 。通過將人工智能工具應用于現有數據，日內瓦大學(UNIGE)的一個團隊與波爾多大學葡萄與葡萄酒科學研究所合作，成功地以100%的準確率識別了波爾多地區七個主要莊園的紅酒的化學標記 。
這些結果發表在《通訊化學》雜志上，為打擊假冒的潛在新工具和指導葡萄酒行業決策的預測工具鋪平了道路 。
每一種葡萄酒都是成千上萬種分子精細復雜混合物的結果 。它們的濃度根據葡萄的成分而波動 ， 這尤其取決于土壤的性質和結構、葡萄品種和釀酒師的做法 。
這些變化，即使是非常小的變化，也會對葡萄酒的味道產生很大的影響 。這使得僅憑這一感官標準很難確定葡萄酒的精確產地 。隨著氣候變化、新的消費者習慣和假冒行為的增加，對有效工具的需求變得至關重要，以確定葡萄酒的身份 。
那么，是否有一種化學特征 ， 對于每一種地產都是不變的和特定的，使得這一點成為可能呢？“葡萄酒行業已經進行了無數次嘗試來回答這個問題，雖然結果有問題或者有時是正確的，但是涉及到大量的技術 。這是由于混合物的巨大復雜性和所用方法的局限性，這有點像大海撈針，”UNIGE醫學院基礎神經科學系的全職教授Alexandre Pouget解釋道 。
使用的方法之一是氣相色譜法 。這包括通過兩種材料之間的親和力來分離混合物的成分 ?；旌衔锿ㄟ^一根30米長的非常細的管子 。與管材料具有最大親和力的成分逐漸與其它成分分離 。
每次分離都由質譜儀記錄 。然后產生色譜圖，顯示指示分子分離的峰 。就葡萄酒而言，由于構成葡萄酒的分子數量眾多 ， 這些峰極其繁多，因此進行詳細而詳盡的分析非常困難 。
機器學習處理的數據
Alexandre Pouget的團隊與來自波爾多大學葡萄和葡萄酒科學研究所的Stephanie Marchand團隊合作，通過結合色譜和人工智能工具找到了解決方案 。這些色譜圖來自12個年份(1990-2007)和波爾多地區7個莊園的80種紅酒 。這些原始數據是使用機器學習進行處理的，機器學習是人工智能的一個領域 ， 其中算法學習識別信息集中的重復模式 。
“這種方法不需要提取特定的峰并推斷濃度 ， 而是允許我們考慮每種葡萄酒的完整色譜圖(可能包含多達30，000個點)，包括背景噪聲，并在消除不必要的變量后，將每個色譜圖總結為兩個X和Y坐標 。這個過程被稱為降維 ， ”邁克爾·沙爾特納解釋說 ， 他是UNIGE醫學院基礎神經科學系的前博士后學者，也是這項研究的第一作者 。
100%可靠的模型
通過在圖表上放置新的坐標 ， 研究人員能夠看到七個點的“云” 。他們發現，這些云根據化學相似性將同一莊園的葡萄酒歸為一類 。
“這讓我們能夠證明每個莊園都有自己的化學特征 。我們還觀察到，三種葡萄酒集中在右邊，四種在左邊 ， 這與這些莊園所在的加龍河兩岸相對應，”波爾多大學葡萄和葡萄酒科學研究所教授、該研究的合著者Stéphanie Marchand解釋道 。
通過他們的分析 ， 研究人員發現這些葡萄酒的化學特性不是由少數特定分子的濃度來定義的，而是由廣泛的化學光譜來定義的 。領導這項研究的Alexandre Pouget說:“我們的結果表明，通過將降維技術應用于氣相色譜圖，有可能以100%的準確度識別葡萄酒的地理來源 ?！?br>這項研究為葡萄酒的特性和感官特性提供了新的見解 。它還為支持決策的工具的開發鋪平了道路，例如 ， 保存一個風土的身份和表達，以及更有效地打擊假冒 。