Chemia i Biznes

W ramach naszej witryny stosujemy pliki cookies w celu świadczenia Państwu usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Państwa urządzeniu końcowym. Mogą Państwo dokonać w każdym czasie zmiany ustawień dotyczących cookies. Więcej szczegółów w naszej "Polityce prywatności Cookies"

Rozumiem i zgadzam się

Konfiguracja makiety

Sztuczna inteligencja i symulacje molekularne prognozują trwałość zapachów z etyloheksylogliceryną

2025-11-03

Podczas Cosmetic Science Conference, odbywającej się w ramach kongresu Sepawa w Berlinie, Amanda Sharp z Ashland Specialty Ingredients zaprezentowała przełomowe zastosowanie AI i symulacji molekularnych w przewidywaniu trwałości zapachów. Kluczową rolę odgrywa etyloheksylogliceryna – wielofunkcyjny składnik, który może zrewolucjonizować formułowanie perfum, kosmetyków i produktów domowych.

Fiksacja zapachu to podstawa tworzenia trwałych, urzekających kompozycji zapachowych w perfumach, produktach do pielęgnacji osobistej oraz artykułach gospodarstwa domowego. Zastosowanie fiksatorów zapachowych przynosi potrójne korzyści: lepsze doznania konsumenta dzięki wydłużonej trwałości zapachu; niższe koszty produkcji – mniej zapachu wystarczy, by osiągnąć optymalny efekt; mniejszą zawartość alergenów, co obniża ryzyko uczuleń.

Etyloheksylogliceryna – eter glicerolu pochodzenia naturalnego lub syntetycznego – znana jest głównie z działania wspomagającego środki przeciwdrobnoustrojowe. Okazuje się jednak, że skutecznie fiksuje zapachy, choć do tej pory nie ustalono mechanizmu działania ani nie opracowano systematycznej metody predykcji.

Amanda Sharp przedstawiła innowacyjny workflow oparty na sztucznej inteligencji i modelowaniu molekularnym. Połączenie chemii obliczeniowej, uczenia maszynowego (ML) oraz symulacji dynamiki molekularnej (MDS) pozwala analizować interakcje między cząsteczkami zapachowymi a etyloheksylogliceryną na poziomie atomowym. Wyniki MDS są następnie wykorzystywane do trenowania modeli ML, które przewidują właściwości fizykochemiczne decydujące o retencji zapachu.

Taki proces umożliwia szybkie testowanie kompatybilności zapachów z etyloheksylogliceryną, przyspieszając optymalizację formuł. Zastępuje kosztowne i czasochłonne próby laboratoryjne, otwierając nowe ścieżki w fiksacji zapachów.

Badania dowodzą, że AI i symulacje molekularne potrafią „odkodować” interakcje etyloheksylogliceryny z cząsteczkami zapachowymi, przewidując ich trwałość. To cenny wkład w naukę o perfumach, kosmetykach i produktach domowych – toruje drogę do efektywniejszych i bardziej zrównoważonych strategii formułowania. Rozwiązanie to pokazuje, jak cyfrowa rewolucja wchodzi do laboratoriów kosmetycznych, łącząc innowację technologiczną z praktycznymi potrzebami branży.


sztuczna inteligencjabadania i rozwójAshlandSepawaetyloheksylogliceryna

Podoba Ci się ten artykuł? Udostępnij!

Oddaj swój głos  

Ten artykuł nie został jeszcze oceniony.

Dodaj komentarz

Redakcja Portalu Chemia i Biznes zastrzega sobie prawo usuwania komentarzy obraźliwych dla innych osób, zawierających słowa wulgarne lub nie odnoszących się merytorycznie do tematu. Twój komentarz wyświetli się zaraz po tym, jak zostanie zatwierdzony przez moderatora. Dziękujemy i zapraszamy do dyskusji!


WięcejNajnowsze

Więcej aktualności



WięcejNajpopularniejsze

Więcej aktualności (192)



WięcejPolecane

Więcej aktualności (97)



WięcejSonda

Jak oceniasz obowiązek wprowadzenia sprawozdawczości ESG?

Zobacz wyniki

WięcejW obiektywie