NOSE：讓AI學(xué)會聞，首個統(tǒng)一分子-受體-語義的三模態(tài)嗅覺表征框架

作者 | 論文團隊

編輯丨ScienceAI

視覺有像素，聽覺有頻譜，這些物理量與感知之間存在穩(wěn)定的映射。但嗅覺截然不同，同一個分子可能激活不同的受體組合，同一種氣味在不同人的嘴里可以是「花香」也可以是「肥皂味」。如何讓 AI 理解「分子聞起來是什么味道」，一直是 AI for Science 領(lǐng)域一個獨特而前沿的挑戰(zhàn)。

近日，廈門大學(xué)程俊教授團隊與深勢科技合作，提出了 NOSE（Neural Olfactory-Semantic Embedding）框架。該工作首次將分子結(jié)構(gòu)、嗅覺受體序列和自然語言描述三種模態(tài)統(tǒng)一到一個連續(xù)的表征空間中，在覆蓋三個感知層次的 11 個下游任務(wù)上達到 SOTA，并展現(xiàn)出優(yōu)異的零樣本泛化能力。研究成果已被自然語言處理頂級會議 ACL 2026 主會錄用。

論文鏈接：https://arxiv.org/abs/2604.10452v1

代碼鏈接：https://github.com/Xianyusyy/NOSE

為什么嗅覺數(shù)字化這么難？

嗅覺感知始于氣味分子的揮發(fā)擴散，與鼻腔中嗅覺受體的結(jié)合，經(jīng)過神經(jīng)信號傳導(dǎo)，最終在大腦中形成主觀知覺。這條通路天然涉及三種截然不同的信息，包括分子的三維化學(xué)結(jié)構(gòu)、嗅覺受體蛋白的序列特征，以及人類用自然語言給出的感知描述（如「花香」「薄荷味」「奶油感」）。

然而，現(xiàn)有方法從未在統(tǒng)一框架中建模這條完整通路。它們要么僅從分子結(jié)構(gòu)出發(fā)預(yù)測氣味，要么只學(xué)習(xí)「分子 - 描述」或「分子 - 受體」的局部對應(yīng)關(guān)系。更根本的問題在于，主流方法將氣味預(yù)測視為分類問題，即預(yù)測分子屬于「花香」還是「果香」。這種離散化處理不僅破壞了氣味空間的連續(xù)性（「薄荷」和「清涼」本應(yīng)相鄰，分類框架下卻是兩個獨立標(biāo)簽），還迫使模型丟棄那些對分類「無用」但對分子表征至關(guān)重要的結(jié)構(gòu)信息，導(dǎo)致泛化能力受限。

正交注入與連續(xù)語義流形

NOSE 的關(guān)鍵洞察在于，雖然「分子 - 受體 - 描述」三元組數(shù)據(jù)幾乎不存在，但「分子 - 受體」和「分子 - 描述」雙模態(tài)數(shù)據(jù)可以分別獲取。分子是兩類數(shù)據(jù)的唯一交集，因此可以作為中樞，將受體信息和語義信息橋接到統(tǒng)一的表征空間。

但如果將受體特征和語義特征同時注入分子表征，三種模態(tài)會不會相互干擾、彼此覆蓋？NOSE 給出的解法是正交注入機制。框架采用「硬正交 + 軟正交」雙重策略，利用 Gram-Schmidt 正交化，將受體和描述的適配器輸出投影到分子表征的正交補空間，在幾何層面保證注入的信息與分子結(jié)構(gòu)線性無關(guān)；同時引入軟正交損失，在梯度層面驅(qū)動受體分支和描述分支的特征子空間保持互不相關(guān)。這樣，受體信息和語義信息以相互獨立的增量疊加在分子表征之上，既不丟失分子結(jié)構(gòu)先驗，又實現(xiàn)了隱式的三模態(tài)對齊。

在編碼器選擇上，NOSE 采用 Uni-Mol 捕捉分子三維構(gòu)象、ESM-2 提取受體序列特征、LoRA 微調(diào)的 Qwen3 Embedding 處理氣味描述文本，三大預(yù)訓(xùn)練模型各司其職。

在語義端，NOSE 利用大語言模型 DeepSeek 挖掘 1,086 個氣味描述詞之間的語義近鄰關(guān)系（如「檸檬」與「柑橘」、「甜」與「蜂蜜」），將這些語義近鄰標(biāo)記為「弱正樣本」并賦予中間權(quán)重。這一策略將離散的標(biāo)簽空間轉(zhuǎn)化為連續(xù)的語義流形，有效緩解了對比學(xué)習(xí)中將語義相近的描述錯誤推遠的「假陰性」問題。經(jīng)過訓(xùn)練后，原本在通用文本模型中高度重疊的氣味詞在 PCA 可視化中形成了邊界清晰的語義簇，證明模型成功構(gòu)建了結(jié)構(gòu)化的氣味語義空間。

全面 SOTA 與零樣本泛化

研究團隊整合了 6 個公開數(shù)據(jù)集，構(gòu)建了覆蓋三個認知層次的評估基準(zhǔn)，涵蓋基礎(chǔ)感知（檢測閾值、強度、愉悅度）、語義描述（138 類多標(biāo)簽分類和多維度回歸）、以及混合物感知（二元混合物的強度與愉悅度預(yù)測）。在全部 11 個任務(wù)的關(guān)鍵指標(biāo)上，NOSE 均取得最優(yōu)表現(xiàn)。

零樣本檢索

為驗證泛化能力，研究團隊從 PubChem 構(gòu)建了專用測試集。與標(biāo)準(zhǔn)零樣本設(shè)置（分子存在于數(shù)據(jù)集中但分子 - 描述詞配對未見過）不同，嚴(yán)格零樣本要求分子完全不存在于訓(xùn)練集中。團隊使用分子檢索氣味描述詞，采用百分位排名進行評估（數(shù)值越低表示精度越高）。除 PubChem 描述詞外，同義術(shù)語的排名也被納入評估。例如對于無味分子，模型將「odorless」排在 Top 1（0.092%），并優(yōu)先排列 slight、weak、neutral 等術(shù)語，表明模型真正理解了分子的感知屬性，而非簡單地與高頻詞對齊。

在受體檢索方面，團隊從文獻中選取具有明確「激活」或「非激活」關(guān)系報告的分子 - 受體配對作為測試集。模型在已報道的「激活」配對上表現(xiàn)優(yōu)異，絕大多數(shù)排名位于前 2% 以內(nèi)，涵蓋大環(huán)麝香（MCM）及其他化學(xué)家族，顯示出良好的跨家族泛化能力。同時，所有「非激活」樣本的排名顯著靠后，主要分布在 30% 至 80% 區(qū)間。這種激活與非激活樣本間的排名分離表明，模型構(gòu)建的潛在空間有效區(qū)分了正負樣本對，具備可靠的生物篩選價值。

意義與展望

NOSE 首次為嗅覺通路上的三種模態(tài)搭建了統(tǒng)一的表征空間，使分子結(jié)構(gòu)、受體蛋白和人類感知之間的關(guān)聯(lián)能夠在一個連續(xù)、可檢索、可運算的特征流形中被建模。其核心思想，即通過對比學(xué)習(xí)統(tǒng)一多模態(tài)信息以構(gòu)建連續(xù)且結(jié)構(gòu)化的領(lǐng)域分子表征，不局限于氣味分子場景，同樣有望推廣至電解液溶劑、電鍍添加劑等電化學(xué)領(lǐng)域，為 AI 驅(qū)動的分子設(shè)計提供新的表征范式。