惠及白酒陈酿、年份鉴定，又一科研成果登上国际期刊_新浪财经

　　国窖1573如何“作答”？

　　什么样的白酒才算得上优质白酒？关于这个问题，2022年泸州老窖联合江南大学在《Applied and Environmental Microbiology》上发表的“Metabolite-based mutualistic interaction between two novel clostridial species from pit mud enhances butyrate and caproate production”给出了科学依据——“老窖出好酒”。

　　泸州老窖“国宝窖池群”建造于明朝万历年间（即公元1573年），已连续不间断使用450年。在这样的窖池中，采用经过24代人的传承下来的泸州老窖酒传统酿制技艺酿造出来的国窖1573，无疑是对上述问题的完美诠释。

　　如今，自带“历史光环”、中国高端白酒标杆之一的国窖1573再一次成为研究的对象。

　　近日，江南大学许正宏教授团队与泸州老窖国家固态酿造工程技术研究中心沈才洪主任团队联合在国际食品科技专业期刊《Food Research International》（Q1 TOP，影响因子7.425）上发表了题为“Machine learning based age-authentication assisted by chemo-kinetics： Case study of strong-flavor Chinese Baijiu”的研究论文。

　　这篇论文以陈酿多年的国窖1573作为对象展开研究，通过科学研究来客观解读不同年份国窖1573的品质变化规律，获得了具有一定普适性的年份酒鉴定指标，建立了预测白酒陈酿后风味化合物组成的化学计量学方法，为深入理解陈酿白酒品质变化规律，助力解决白酒年份鉴定这一行业难题提供可资借鉴的思路。

　　白酒的陈酿是一个动态的变化过程，在这个过程中最直观的变化就是白酒中风味化合物的含量变化。所以在研究过程中，通过GC-MS定量分析了瓶贮时间在0-11年之间的国窖1573样品中各类化合物含量，从而建立陈酿时间与样品中风味化合物之间的量效关系。

　　据悉，该研究创新性地提出了与陈酿时间密切正相关的风味物质均匀度（Evenness）指数；并从可逆反应化学动力学的角度分析了各年份样品中主要乙酯化反应的浓度商（Qc），发现随着陈放时间的增加，大多数反应的Qc趋向于热力学平衡常数Kc，即反应是向着体系自由能降低的方向发展；继而，通过特征值筛选，获得了系列包含均匀度和浓度商的特征参数，在此基础上构建了基于神经网络的国窖1573年份酒鉴定模型，从而可以通过科学有效的模型实现白酒年份的准确鉴定。

　　附：

　　主要研究结论

　　1、随着陈酿时间的增加，白酒中酸和长链乙酯的含量增加，它们通常能够使得白酒的香气和口感更柔和醇厚，此外，具有烘焙香、坚果香等愉悦香气的吡嗪和呈现松木香气的长叶烯在陈酿过程中也增加，这能够为陈酿白酒提供陈香等良好风味。结合感官审评发现，随陈酿时间的增加，酒体中的窖香、陈香、坚果香、酸香显著增加，而青香特征降低。

　　2、白酒年份越老含有的化合物种类越多，随陈酿时间的增加，己酸乙酯等量大的化合物含量略有降低，丙酸乙酯、吡嗪、萜烯等量小的化合物含量逐渐增加，酒体中各类化合物的含量差距略有缩小，进行化学计量学分析后发现，风味物质结构的均匀度指数随着陈酿时间的延长而增加，均匀度指数越高，说明白酒的化合物组成越均匀，这在一定程度上为陈酿白酒的风味更协调提供了解释。

　　3、白酒中含有大量的乙酯和酸类物质，乙酯化反应浓度商（Qc）随陈酿时间趋向于热力学平衡常数（Kc），陈酿过程中可逆的反应逐步趋于平衡，体系自由能最小化是化合物之间转化的内在驱动力。

　　4、均匀度指数（Evenness index）、Qc与Kc的量比关系可以较好的表征酒体陈酿时间，且对不同类型的白酒陈酿趋势预测和表征中具有一定的普适性。

　　5、采用3种判别模型和5种排序算法联合的特征值工程筛选到41个特征，利用它们成功建立了基于神经网络的国窖1573白酒年份鉴定方法，可以将酒体年份鉴定限定到3年之内。

　　6、具有普适性的均匀度指数、反应浓度商等参数，以及基于机器学习的特征值筛选方法和模型构建可以为其他来源、其他香型的年份酒鉴别提供解决思路和研究方案。

　　主要图文赏析

　　▲基于化合物浓度关键特征的白酒样品PCA分析、各类化合物的总含量和均匀度指数

　　▲陈酿过程中，系列反应浓度商（Qc）计算值以及根据文献报道的53个陈酿白酒样品数据计算得到Qc值

　　▲基于机器学习模型的关键特征筛选流程和结果

　　▲与白酒贮存时间密切相关的特征参数以及不同年龄段样本的感官品评结果

　　引用格式：

　　Liu， Q．-R．， Zhang， X．-J．， Zheng， L．， Meng， L．-J．， Liu， G．-Q．， Yang， T．， Lu， Z．-M．， Chai， L．-J．， Wang， S．-T．， Shi， J．-S．， Shen， C．-H．， Xu， Z．-H．（2023）． Machine learning based age-authentication assisted by chemo-kinetics： Case study of strong-flavor Chinese Baijiu．[J] Food Research International， 112594．

　　文章链接：

　　https：//doi.org/https：//doi.org/10.1016/j.foodres.2023.112594．