모엣 헤네시 및 UC 데이비스와 함께 기존 방식보다 빠르고 저렴하게 식별하는 능력 입증
와인 생산 시 품질 리스크를 예측하기 위해 포도와 와인에서 배출되는 복잡한 화학적 특성 분석
아나로그디바이스(Analog Devices)는 LVMH의 와인 및 주류 사업부인 모엣 헤네시(Moet Hennessy), 세계 유수의 연구 중심 대학인 캘리포니아 대학교 데이비스 캠퍼스(UC Davis)와 함께 와인 품질을 향상하고 포도원의 장기적인 생명력을 지원하는 것을 목표로 하는 차세대 기술 적용과 관련한 획기적인 협력 소식을 발표했다.
이번 협력은 매사추세츠 공과대학교(MIT)의 초기 연구에 뿌리를 둔 혁신적인 기술을 기반으로 한다. 현재 ADI는 광범위한 애플리케이션에 걸쳐 화학적 특성(chemical signature)을 분석하기 위한 이 기술 플랫폼을 지속적으로 발전시켜 나가고 있으며, 모엣 헤네시 및 UC 데이비스 팀과 함께 포도 재배 및 와인 주조 분야에 활용하는 방안을 탐구 중이다. 이번 협업은 포도 과육, 즙, 와인에서 배출되는 휘발성 화학적 특성을 감지하고 해석하여, 포도 재배농가와 와인 주조업자에게 생물학적 프로세스 및 잠재적 품질 리스크에 대한 통찰력을 훨씬 더 조기에 신속히 제공하는 것을 목표로 한다.
]
이번 협력의 첫 번째 주요 성과는 와인 업계의 가장 복잡한 품질 과제 중 하나인 '생버섯 향(Fresh Mushroom Aroma, FMA)'과 관련한 것이다. 모엣 헤네시의 로베르-장 드 보귀에 리서치 센터(Robert-Jean de Vogue Research Center) 연구진은 이 품질 리스크와 관련한 화학적 특성을 인식하도록 머신러닝 알고리즘을 학습시키기 위해 샘플 및 관련 데이터로 구성된 독자적인 라이브러리를 구축했다.
업계 최초로, 이 기술은 FMA 발생 위험이 높은 샘플을 전통적인 방식으로는 결함을 감지하기 훨씬 전인 초기 단계에서 성공적으로 식별해냈다. 이러한 비약적 발전은 선제적인 품질 관리를 위한 완전히 새로운 가능성을 열어주며, 보다 조기에 조치를 취할 수 있게 할 뿐만 아니라 와인 주조 프로세스 전반에 걸쳐 품질 리스크를 모니터링하는 방식을 근본적으로 바꾼다.
ADI의 센싱 및 머신러닝 플랫폼을 기반으로 작동하는 이 시스템은 광범위한 화학 정보 스펙트럼을 분석하고 어떤 신호가 가장 중요한지를 AI로 식별함으로써, 자칫 간과하기 쉬운 신호 패턴들을 포착해낸다. 이 플랫폼은 사전 정의된 조건만을 탐색하는 것이 아니라, 복잡한 화학 데이터에 대한 지속적인 학습을 통해 생물학적 활동과 새롭게 떠오르는 품질 리스크를 보다 심도 깊게 이해할 수 있게 해준다.
어떤 신호가 가장 중요한지 AI로 식별해
이 기술의 적용 범위는 단지 FMA에 그치지 않는다. 이번 협업에 참여한 기관들은 이 플랫폼을 생물학적 프로세스가 측정, 해석, 실행될 수 있는 유의미한 화학적 특성을 생성하는 모든 잠재적 애플리케이션과 관련한 생체 시스템 분석에 확대 적용할 수 있을 것으로 내다보고 있다. 이들이 연구 중인 또 다른 응용 분야에는 포도나무 질병의 조기 감지, 토양 평가, 그 밖에 기후 변화 및 산불 사고 등과 관련한 결함의 식별이 포함된다.
이러한 연구의 목표는 연구자, 포도 재배 농가, 와인 주조업자에게 조기 감지 및 더 깊이 있는 이해를 위한 의사결정 지원 도구를 제공함으로써, 인간의 전문성을 대체하는 것이 아니라 전문성을 강화하도록 지원하는 것이다. 이 기술은 재배 농가와 와인 주조업자가 전문성을 강화하는데 필요한 추가적인 정보와 맥락을 제공하는 동시에, 최고의 와인을 주조하는 데 있어서 핵심 요소로 평가되는 장인정신, 경험, 판단력을 지킬 수 있도록 설계되었다.
<저작권자(c)스마트앤컴퍼니. 무단전재-재배포금지>
