化学者は、化学組成によってワインの起源を決定するようにコンピューターに教えました

ビデオ: 化学者は、化学組成によってワインの起源を決定するようにコンピューターに教えました
ビデオ: 【高校化学】 有機化合物09 組成式・分子式の決定 (8分) 2023, 2月
化学者は、化学組成によってワインの起源を決定するようにコンピューターに教えました
化学者は、化学組成によってワインの起源を決定するようにコンピューターに教えました
Anonim
Image
Image

化学者はアルゼンチンのマルベックの不純物の量を定量化し、気候、生産年、高度がそれにどのように影響するかを研究しました。得られたデータに基づいて、科学者たちはコンピューターに、53、28パーセントの精度でワインの組成によってワインの原産地を特定するように教えました。この記事はScientificReportsに掲載されました。

ワインの生産は複雑で多段階のプロセスです。それは、気候、太陽活動、土壌組成などの多くの要因の影響を受けます。ほとんどの場合、ブドウの品種、ワイナリーの場所、そしてもちろん、生産日に関する情報は、ワインを評価するために使用されます。簡単にするために、ワインメーカーはしばしばテロワールという用語を使用します。テロワールは、ワインの特性に影響を与える要因の組み合わせです。この概念には、土壌の種類、地域の平均気温、湿度、ブドウの品種などが含まれます。今日、この概念は物議を醸し、ほとんど直感的であると考えられています。それにもかかわらず、ますます多くの科学者が、ワインの最終的な組成に対する特定のテロワール要因の影響を証明し、自然要因と人的要因の間に明確な線を引くことを試みています。

ワインの人気ブランドの1つであるマルベックは、フランス原産の黒ブドウの名を冠した品種から作られています。しかし、この品種はアルゼンチンで最も普及しており、今日ではアルゼンチンから生産されるすべてのワインの77%を占めています。アルゼンチンのこの品種のブドウ園の面積は約43,000ヘクタールで、国内のすべてのブドウ園の総面積は220,000ヘクタールです。総植栽の約85%は、アンデス山脈のふもとにあるメンドーサ州にあります。そこの標高は海抜900から1600メートルの範囲であり、気候は乾燥しています。年間降水量は300ミリメートル未満で、そのほとんどは10月から4月の成長期にあります。年間平均気温は摂氏17度で、太陽活動が活発です。これらの条件はマルベック品種にうまく機能し、豊作をもたらします。

ワインの外観と味に最も強い影響を与えるのは、フェノール化合物の含有量です。アントシアニン、フラボノール、スチルベン、およびフェノールをベースにしたさまざまな酸です。これらの化合物のいくつかはブドウの熟成中に得られ、いくつかはすでにワインの製造中に化学的および生化学的プロセスの結果として得られます。これらの成分の含有量は、ワインの種類ごとだけでなく、異なるテロワールで生産された同じ品種でも個別です。長期的には、これらのデータに基づいて、ワイン、その起源、品質について多くのことが言えます。

Image
Image

アントシアニンの一般構造式

クヨ国立大学のアリエルフォンタナが率いる科学者のチームは、メンドーサ州の23区画の土地で栽培されたマルベックブドウを分析しました。科学者はそれぞれについて、2016年、2017年、2018年の3つの異なる抜粋のサンプルを採取しました。各サンプルについて、27種類のフェノール化合物の含有量を液体クロマトグラフィーを使用して測定しました。まず、異なる年のサンプルを比較すると、著者らはフェノール性不純物の含有量に顕著な違いがあることを発見しました。このことから、暴露時間の増加に伴い成分の含有量も変化するため、テロワールの影響を数年間のデータのみで分析することが望ましいと結論付けた。これは、体系的なテロワールの影響を異なる季節からのランダムな逸脱と混同しないために特に重要です。

次に、著者らは、不純物の含有量がブドウ園の場所に依存していることを追跡しました。海抜高度が上がると、アントシアニンの濃度は他の成分と比較して増加します。そして、多くの場合、ワインの色の豊かさの原因となるのはアントシアニンです。州の地形が暖かい平坦な地域と冷たい丘陵地帯を組み合わせているという事実のために、科学者はベリーのアントシアニンの濃度がそれらの生合成と熱分解の競合するプロセスの結果であることを示すことができました。したがって、ブドウ園が低く、平均気温が高いほど、ベリーに含まれるアントシアニンは少なくなります。マルベックの希望の色を得るのに最適な条件は、気温が摂氏15度の夜と、摂氏約25度の日です。

Image
Image

メンドーサ郡調査地域の地理的位置

次に、科学者は、フェノール化合物の濃度に関する結果のデータセットで機械学習を使用して、同じ気候帯にある場合でも、領域を互いに区別しようとしました。 300本の木のランダムフォレストのアルゴリズムが基礎として採用されました。トレーニングでは、初期データの66.6%が使用され、残りはアルゴリズムのテストとエラー行列の作成に残されました。初期データは、主要なフェノール不純物として、p-クマル酸、デルフィニジン-3-O-グルコシド、カフェー酸、ケルセチン、およびペオニジン-3-O-グルコシドの濃度でした。土地ごとに濃度を測定した。テストでは、46、72%の誤差が示されました。これは、科学者がコンピューターに、53、28%の精度でワインの組成によってワインの原産地を特定するように教えたことを意味します。

マーケティングにおいて、ワインの起源が重要な役割の1つを果たしているという事実にもかかわらず、プロのテイスターでさえ、常に異なる気候帯からワインを区別することに成功しているわけではありません。たとえば、オーストラリアの研究者は最近、温暖な気候と寒い気候のワインの化学組成の違いに気づきました。しかし、味見者はそれらを味で区別することができませんでした。

トピックによって人気があります