每一款葡萄酒都有自己的化学特征吗?如果有的话，可以用它来鉴别葡萄酒的来源吗?许多专家都试图解开这个谜团，但都没有完全成功。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%的准确率识别出波尔多地区七个主要酒庄红葡萄酒的化学标记。这些结果发表在杂志上化学通讯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。

每一种酒都是成千上万个分子精细复杂混合的结果。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，即使是很小的变化，也会对葡萄酒的味道产生很大的影响。这使得仅根据这一感官标准来确定葡萄酒的确切来源变得非常困难。随着气候变化、新的消费习惯和假冒产品的增加，需要有效的工具来确定葡萄酒的身份已经变得至关重要。

那么，是否存在一种化学特征，对每个地产来说都是不变的、特定的，从而使这一切成为可能呢?葡萄酒行业已经做了很多尝试来回答这个问题，有时结果是有问题的，有时是正确的，但涉及到大量的技术。这是由于混合物的复杂性和所使用方法的局限性，这有点像大海捞针，”UNIGE医学院基础神经科学系的正教授Alexandre Pouget解释说。

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分离混合物的成分。混合物通过一个30米长的非常细的管子。与管材亲和力最大的组分逐渐与其他组分分离。每次分离都由质谱仪记录下来。然后生成色谱图，显示指示分子分离的“峰”。以葡萄酒为例，由于构成它的分子很多，这些峰非常多，使得详细和详尽的分析非常困难。

机器学习处理的数据

Alexandre Pouget的团队与波尔多大学葡萄与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。这些色谱图来自波尔多地区7个酒庄的12个年份(1990-2007)的80种红葡萄酒。这些原始数据是用机器学习处理的，机器学习是人工智能的一个领域，在机器学习中，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，而是让我们考虑到每种葡萄酒的完整色谱图——可能包含多达3万个点——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”，Michael Schartner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

通过将新的坐标放置在图表上，研究人员能够看到七个点的“云”。他们发现，根据化学成分的相似性，这些云中的每一种都将来自同一产区的葡萄酒归类在一起。“这使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，三种葡萄酒在右边，四种在左边，这与这些酒庄所在的加龙河两岸相对应，”波尔多大学葡萄与葡萄酒科学研究所的教授、该研究的合著者st<s:1>法尼·马尔尚(st<s:1> phanie Marchand)解释说。

在整个分析过程中，研究人员发现，这些葡萄酒的化学特性不是由几个特定分子的浓度决定的，而是由一个广泛的化学光谱决定的。“我们的研究结果表明，通过将降维技术应用于气相色谱，可以100%准确地确定葡萄酒的地理来源，”领导这项研究的亚历山大·普杰(Alexandre Pouget)说。

这项研究为葡萄酒的特性和感官特性提供了新的见解。它还为开发支持决策的工具铺平了道路——例如，保护风土的特性和表达——以及更有效地打击假冒。