通过组件交互的计算建模解码混合感知

arXiv:2609.11958v1 发布类型：新 摘要：嗅觉在人类进化和文明过程中发挥着不可或缺的作用。即使在科技发达的当代，嗅觉仍然是人们进行危险辨别、情感体验和记忆形成的重要渠道。然而，自然界中的大多数物质都以多分子混合物的形式存在。混合物成分的复杂性，以及浓度依赖性饱和效应和受体特异性激活阈值，给识别嗅觉特征带来了巨大的挑战。在这项研究中，我们提出了一种新颖的生物启发深度学习框架，用于准确识别混合物的气味感知。我们稳健地构建了分子-受体相互作用的神经响应曲线，并开发了一种融合策略，将注意力加权多受体曲线与浓度依赖性多分子曲线相结合，复制了混合物成分的竞争激活和协同整合。此外，通过比较响应曲线模式的一致性，该模型可以从语义丰富的分子关联空间转移知识，以指导混合感知特征的识别。因此，我们建立了从化学混合、神经编码到感知形成的完整计算路径。最后我们进行了综合评估，结果显示出非凡的优越性，准确率达到了92.2%。因此，我们的工作为长期存在的混合物感知挑战提供了一个通用的解决方案。更重要的是，它可以集成到实体认知系统中，增强智能体在复杂场景下的感知和交互能力。