【管爺專欄】以成分解析技術與AI將日本酒的風味視覺化

圖片來源：管爺提供

自從2024年生成式AI技術發表以來，在各個業界的應用突飛猛進，同樣地這股風潮也吹進了日本酒業界，在2025年12月號的釀協論文中，有一篇關於TDK株式會社發表的新技術，即利用HS-GC/MS（頂空進樣氣相層析質譜儀）跟IC/MS(離子層析質譜儀）與酒類總合研究所發展出來的官能評價方法，用AI去找出相對應的人類可以感知到的氣味，並將其視覺化，讓化合物的氣味能夠透過圖像表達出來。
其實用儀器分析出日本酒中的化合物成分並不難，但如何將這些數據成分轉化成人類可感知的香氣與味覺經驗，是TDK發展出這套SSS(Sake Sensing System)技術最主要的關鍵。有興趣的朋友可以去找原文來閱讀，我這裡簡單將這篇論文摘要，提供給各位參考。

內容目錄

開發背景

日本酒市場長期面臨一個核心行銷障礙：就是「資訊的不透明性」。消費者在面對貨架上琳瑯滿目的清酒時，往往無法僅憑酒標資訊（如精米步合、日本酒度）準確想像酒的風味。這種「不喝不知道味道」的狀態，導致初學者因害怕踩雷而卻步，或只能依賴知名品牌，限制了中小型優質酒造的發展機會。
TDK於2017年啟動了「Sake Sensing System (SSS)」這個專案，其核心目的就是透過科學方法將風味「數據化」與「視覺化」，希望讓酒造與消費者之間建立共通的語言，並且希望能擴大「對清酒有興趣但不知如何選擇」的潛在客群。Sake Sensing System最終會輸出一個雷達圖，並涵蓋了構成日本酒的三大關鍵：
（一）五味與口感：
1.複雜度(Complexity)
2.甘甜(Sweetness)
3.酸味(Acidity)
4.餘韻(Finish)
5.濃淡(Intensity)
（二）香氣特徵：特別聚焦於「果香（Fruity Aroma）」
1.蘋果系 (Apple)：代表清新、輕快的果香（主要對應己酸乙酯等成分）。
2.香蕉系 (Banana)：代表甜美、濃郁的果香（主要對應乙酸異戊酯等成分）。
這樣的簡化設計主要是為了降低門檻，讓消費者能快速捕捉清酒香氣特徵。
（三）發泡度
這是目前比較少見的將「氣泡感」納入標準視覺化指標。雷達圖中心的氣泡大小代表二氧化碳含量：
1.Sparkling
2.微發泡
3.無氣泡

圖片來源：管爺提供

分析技術

TDK將過去在製造積層陶瓷電容(MLCC)或鋰電池(LIB)時，所需要分析的塗料、分散劑、溶劑等有機材料的設備與方法，直接應用在日本酒上，並針對日本酒中的化合物進行定量分析，包括了
有機酸：採用 IC/MS（離子層析質譜儀），分析影響酸度與旨味的有機酸類。
糖分：採用 LC (HILIC)（親水性交互作用液相層析），測量葡萄糖等糖類。
胺基酸：採用 LC（液相層析，配合柱前衍生化法），分析旨味與複雜度來源。
發泡度：使用專用的CO2感測器，在特定條件下測量溶解二氧化碳濃度。
但這些分析只能得到數據，TDK進一步將這些數據使用香氣輪加上AI模型轉化為人類感官的「嗅覺與味覺」數值。
例如，乙醛（Acetaldehyde）被發現與「木香」及「複雜度」有高度相關，因此成為預測複雜度的指標。而在建立「甘甜」模型時，如果只看數據會判別葡萄糖與麥芽糖具有高相關性，但經過酒類綜合研究所(NRIB)的向井伸彥博士與磯谷敦子博士指導，指出丙胺酸對甜味有修飾作用，因此將其強制加入AI學習數據，讓模型的預測結果更符合人類實際感受。

圖片來源：管爺提供

AI如何被訓練

首先，TDK利用儀器測量出挑選出來的各式日本酒來獲得化學成分數據，接下來由AI針對化合物之間的相關性分析與NRIB的專家意見挑選出影響風味的關鍵成分。最後再利用累積出來的正確值去訓練AI。
而為了確保系統的公正性，TDK與NRIB合作，將系統生成的雷達圖與專家小組（16位評價員）的官能測試結果進行比對，讓在各項味覺指標中，系統預測值與專家評分的平均偏差控制在±0.5以內。
最後，TDK再與秋田縣的天壽酒造合作，進行了7次市場調查，結果針對85名消費者的問卷顯示，超過 80%的消費者認為「雷達圖的描述與實際飲用後的感受一致」，也證明了這個系統的確能有效解決「酒標上的說明與風味不符」的市場痛點。

圖片來源：管爺提供