罗盘 / 嗅觉数字化·气味机器编码
暗星档案 · 未点亮的星嗅觉数字化·气味机器编码
本条为初评草案（AI 辅助编目）：T 阶为三问初评（撬动面 × 停滞度 × 临界性），双评过 σ 门并红蓝复核后才升"已建档"。查不到的字段留空不编。点亮者会进入亮星候选流程，其贡献与星阶按 HCF 独立重评，不从暗星自动继承。
嗅觉数字化·气味机器编码T5 量级 · 新星
让计算机像预测颜色一样预测和生成气味分子
所属星云六感解锁·超越人类感官超越血肉
暗星编号DS-1161
轴E · 能量与能力前沿
领域engineering
状态初评草案 · 待双评与红蓝复核
这是什么 · 为什么难
Osmo(2022年从Google Brain独立)用图神经网络构建了'气味主图谱'(Principal Odor Map)，能仅凭分子结构预测其嗅感描述，2023年发表于《Science》并在盲测中超过人类专家。2024年团队完成'瞬移一枚李子香气'概念验证，证明气味可被数字化采集、编码、远程重建。攻破意味着嗅觉像视觉/听觉一样成为可编程、可传输、可AI生成的感官通道，应用覆盖香精设计、疾病气味早筛(如疟疾/癌症呼气检测)、驱蚊分子发现。
卡在哪 · 机制级卡点
气味空间维度远高于色彩空间(数千种受体组合)，现有模型对复杂混合气味与浓度非线性效应预测仍不准；气味的'数字重建'依赖实体化学合成而非纯电信号，传输链路(采集-编码-气味打印机)尚无成熟硬件闭环。
谁在攻
Osmo(Alex Wiltschko团队，Google Brain衍生)，盖茨基金会(资助Osmo AI气味平台用于蚊虫防治/疾病媒介昆虫防控)
怎么参与
机器学习/化学信息学背景可用Osmo公开的气味-分子数据集训练嗅感预测模型入手