今年5月，茅台学院在国际Top期刊《Food Chemistry：X》发表题为“Machine learning combined with GC-FID for discrimination of different categories of maotai-flavor baijiu”（机器学习结合GC-FID判别不同类别酱香型白酒）的研究性论文。研究获国家自然科学基金（32460269）、贵州省基础研究计划重点项目（黔科合基础ZD[2025]018）等项目资助。

酱香型白酒在酿制过程中，会因轮次、典型体、等级等差别，形成多种类型的基酒。正因多特性基酒的存在，为酱香型白酒口感及香气丰富度的形成提供了必要的基础。但现阶段对这些基酒的判别，仍主要以人工为主，给勾调效率的提升及品质的稳定造成了一定的阻碍。

基于此，本研究采用10种机器学习模型，分别对基于GC-FID检测的410个基酒中的挥发性物质进行分析，Decision Tree、XGBoost和Random Forest依次是预测轮次、典型体、等级的最佳模型，准确率在62.3%-92.9%。基于最佳模型的SHAP分析发现，酯类是判别轮次的主要标志物，酯类结合三甲基丁醇可用于不同等级醇甜基酒的判别，而判别不同典型体需要的物质类别种类较多，包括丁酸、四甲基吡嗪、2-丁醇等。进一步结合基酒的9个感官维度与物质的风味特性之间的关系可以发现，用于不同类型基酒判定的标志物，不仅与其含量有关，物质的风味特性同样是决定其成为标志物的关键因素。