飞象网讯 （孙迎新/文）“视觉、听觉可以，嗅觉、触觉、味觉是不是也可以？太赫兹无线感知是否具有微观分子级对象的感知能力，从而实现味觉、触觉和嗅觉的类人感知。”
近日，在上海开幕的2026年第四届中国元宇宙大会期间，北京邮电大学教授、中国人工智能学会副理事长马华东发表题为《太赫兹无线类人感知》的主旨演讲，上述这句话，正是他在本次演讲中阐释的核心主题。
本届元宇宙大会由中国人工智能学会主办，以“虚实无界，智创未来”为主题。结合人工智能正从感知智能迈向认知智能的演进热点，马华东阐述了太赫兹无线感知如何在味觉、嗅觉、触觉上做到微观分子级的感知，构建起数字味蕾、数字嗅觉、数字触觉感受器三类模型，为非接触类人感知提出了新的解决方案。
把味道从水里认出来：峰位不变是数字味蕾的底气
感知智能是元宇宙的感官入口，元宇宙是感知智能的虚实融合载体，二者深度融合催生空间智能新范式。
味觉是感知智能中的重要组成部分，马华东表示，分子受到太赫兹信号激励后，会形成反映分子属性的吸收谱。根据分子能级跃迁理论，分子的转动能级跃迁频率恰好落在太赫兹频段。
“峰的位置代表分子的种类，峰的高度代表它的强度或者含量的浓度。”马华东指出，这些吸收峰共同构成了分子的指纹谱，正是用太赫兹识别味觉分子的物理基础。
原理清楚，挑战接踵而至。味觉分子溶于水，在唾液中刺激味蕾，感知任务因此变成对水中味觉分子的识别，而水恰恰是最大的干扰源。马华东解释，水中味觉分子的吸收峰容易被水稀释，水的吸收峰位置比味觉分子还要高，噪声甚至会淹没味觉分子的吸收峰。
混合味觉带来第二重挑战，马华东指出，味道一般不是单独存在的，“如果是单一味觉，用我们的方法来估计，可以达到非常高的精度；但如果几种味道混合在一块，它就识别不出来了。”
针对混合会让味觉特征分布发生偏移的情况，马华东认为可以把太赫兹无线感知与深度神经网络结合，构建数字味蕾模型，按味觉种类识别、浓度量化、混合味觉感知三个阶段推进。
基于实验数据，马华东团队按国家标准制备样品，通过采集五种基本味觉、每种8个浓度，外加42种混合味觉，建成首个太赫兹味觉数据集，数据量达24.7万条。
马华东表示，太赫兹味觉系统性能优于商用电子舌，并且弥补了识别过程中的缺陷，在低于人体感知阈值两到五个数量级的低浓度下，数字味蕾的感知精度仍可达97.7%。
万亿种气味的入口：时频融合与可扩展的数字嗅觉
嗅觉的原理与味觉同源，介质从水换成了空气，挑战也换了一副面孔。马华东表示，这些分子弥漫在空气中，浓度一低就被稀释，还会被其他气体淹没；传统增强方法是整体增强，目标与噪声一起被放大，仍然难以区分。
“嗅觉特征就是空气中嗅觉分子的吸收特性，它只是被淹没了，但没有消失。”马华东指出，不足的是频域特征偏弱，缺的是时域信息。不同气味分子的弛豫时间不同，会产生时延，也就是相位差异，其中同样藏着分子特征。
为此，马华东团队采用分层神经网络，分别提取并编码时域与频域特征，再用交叉注意力机制融合，实现时频结合。
种类拓展是更大的难题。由于嗅觉分子的种类远比味觉庞大，穷举式建模并不现实，因此马华东认为，解题思路的关键是分层：先把气味分为十大类，再向小类、细类逐级扩展；技术上用对比学习约束嗅觉特征分布，设计损失函数缩小类内差距、放大类间差距，再用基于预训练的小样本增量学习实现种类拓展。
在此基础上，马华东团队构建了模拟人体嗅黏膜功能的数字嗅觉模型，第一步识别大类气味，第二步识别具体气味，同时支持种类拓展。
马华东介绍，数字嗅觉模型样品涵盖十大类25种气体，采集7.5万条样本，四大类气味的识别准确率达到98%，25种具体气味的识别率在98%以上；对样本里没有的自然物质肉桂和葱，也能较高精度地识别出来。
材质与粗糙度：数字触觉的解耦之战
触觉的技术路线与前两者本质不同。味觉和嗅觉依赖分子指纹谱，走的是吸收特性；触觉还必须引入散射机理。马华东指出，材料的局部频谱吸收可以判断材料类型；物体表面大多是粗糙的，低频太赫兹波照射表现为反射，高频则变为散射，从反射到散射之间存在一个临界值，据此可以通过临界值来反推表面粗糙度。
马华东认为，数字触觉的技术实现中面临两种挑战。一是粗糙表面会压缩不同材料间的频谱差异，而且类型与粗糙度两个属性混在同一份感知数据里，必须解耦；二是相近粗糙度表面的衰减程度差异存在重叠，粗糙度越接近越难分辨。
为此，马华东团队设计了数字触觉感受器神经网络模型。
他表示，在材料类型识别上，吸收特性虽受粗糙度影响但依然存在，可以通过特征压缩滤除粗糙度成分，逐级放大包含材料类型的局部特性，再用特征滤除与MLP分类器完成识别。
马华东进一步表示，在粗糙度识别上，针对粗糙度增加，会使高频区域衰减拐点位置前移、高频衰减程度加大的现象，可以用自注意力机制分析全局变化、确定散射区域范围，再提取局部吸收特性特征并做融合，实现精细识别。
通过对涵盖9种材料与39种粗糙表面进行的测试，结果显示，9种材料的识别准确率达到97%，39种粗糙表面的识别准确率达到91%。马华东强调，这还只是一个仅覆盖两种属性的初步模型，团队正在向更多触觉属性进行扩展。
