地化学的な指紋と機械学習により,スパークリングワインの起源を証明する

科学分野:

• 地質化学 地質化学
• 食品科学 食品科学について
• 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) について学ぶことです.

背景:

• 世界のワイン市場,特に高価値のスパークリングワインは,大量に偽造されている.
• サプライチェーントラッキングや地理的表示などの既存の認証方法は,洗練されたワイン詐欺に対して不十分です.
• 偽造ワインは,実質的な経済的リスクと,消費者の健康に潜在的な危険をもたらす.

研究 の 目的:

• スパークリングワインの起源を認証するためのスケーラブルな地化学指紋の枠組みを開発し,検証する.
• ワインの認証のための機械学習と組み合わせた同位体および元素分析の有効性を評価する.
• ワイン詐欺の検出に広く採用される費用対効果の高い分析方法を特定する.

主な方法:

• 同位体分析 (ストロンチウム, Sr/Sr) と元素分析 (ルビジウム, Rb) の組み合わせを用いた.
• ワインの起源の分類のための高度な機械学習アルゴリズムを適用した.
• 異なる地理的地域 (シャンパン,ブルゴーニュ) の75個のフランス発泡ワインのサンプルを分析した.

主要な成果:

• ストロンチウム同位体比 (⁸⁷Sr/⁸⁶Sr) を使用してワインの起源を特定する際に100%の分類精度を達成しました.
• 費用対効果の高いマーカーとしてルビジウム (Rb) の濃度が特定され,分析費用が75%削減されました.
• ルビジウムベースの方法を使用して90%以上の精度を維持し,その実用的な実用性を実証しました.

結論:

• 地化学指紋,特にストロンチウムイソトープを使用することで,スパークリングワインの認証に高度に正確な方法を提供します.
• ルビジアム分析は,ワイン詐欺と闘うための実行可能で費用対効果の高い代替案であり,高度な認証をより容易に行うことができます.
• 開発された枠組みは,ワイン市場の整合性と消費者の健康を守るためのスケーラブルなソリューションを提供します.