olfaction

Spi-fly是一种受果蝇启发的神经网络，使用稀疏活动和联想学习，能够以极少内存快速学习气味。它展示了强大的少样本学习性能，但需要进一步测试。

本文提出了一种生物启发的深度学习框架，用于准确的气味混合物感知，达到92.2%的准确率，并为混合物感知挑战提供了一种可泛化的解决方案。

GraphNOSE是一个开源图Transformer框架，能够从分子结构预测多标签嗅觉描述符，以更少的参数实现优于现有方法的性能，并提升对分布外化合物的泛化能力。

洛克菲勒大学的一项研究揭示，果蝇通过边缘追踪而非传统的surge-and-cast模型来追踪气味羽流，并使用虚拟现实跑步机来绘制它们的行为。

一篇探讨嗅觉障碍（如嗅觉丧失）的普遍性和影响的文章，尤其是在新冠疫情后，以及嗅觉与大脑健康之间日益增多的证据。