業界素有“酒是陳的香”的共識,時間賦予了中國白酒獨特的品質特征。優質白酒在陳釀過程中,通過一系列的物理和化學轉化,風味品質逐漸趨于醇厚協調,實現了自身品質的升華,歷久而彌香。近年來,老酒市場規模快速擴展,熱度不斷提升,充分體現了消費者對老酒品質和價值的高度認同,特別是那些優質老酒。
什么樣的白酒才算得上優質白酒?關于這個問題,去年瀘州老窖聯合江南大學在《Applied and Environmental Microbiology》上發表的“Metabolite-based mutualistic interaction between two novel clostridial species from pit mud enhances butyrate and caproate production”給出了科學依據—“老窖出好酒”。瀘州老窖“國寶窖池群”建造于明朝萬歷年間(即公元1573年),已連續不間斷使用450年。在這樣的窖池中,采用經過24代人的傳承下來的瀘州老窖酒傳統釀制技藝釀造出來的國窖1573,無疑是對上述問題的完美詮釋。
近日,江南大學許正宏教授團隊與瀘州老窖國家固態釀造工程技術研究中心沈才洪主任團隊聯合在國際食品科技專業期刊《Food Research International》(Q1 TOP,影響因子7.425)上發表了題為“Machine learning based age-authentication assisted by chemo-kinetics: Case study of strong-flavor Chinese Baijiu”的研究論文。這篇論文正是以陳釀多年的國窖1573作為對象展開研究的。通過科學研究來客觀解讀不同年份國窖1573的品質變化規律,獲得了具有一定普適性的年份酒鑒定指標,建立了預測白酒陳釀后風味化合物組成的化學計量學方法,為深入理解陳釀白酒品質變化規律,助力解決白酒年份鑒定這一行業難題提供可資借鑒的思路。
白酒的陳釀是一個動態的變化過程,在這個過程中最直觀的變化就是白酒中風味化合物的含量變化。所以在研究過程中,通過GC-MS定量分析了瓶貯時間在0-11年之間的國窖1573,樣品中各類化合物含量,從而建立陳釀時間與樣品中風味化合物之間的量效關系。本研究創新性地提出了與陳釀時間密切正相關的風味物質均勻度(Evenness)指數;并從可逆反應化學動力學的角度分析了各年份樣品中主要乙酯化反應的濃度商(Qc),發現隨著陳放時間的增加,大多數反應的Qc趨向于熱力學平衡常數Kc,即反應是向著體系自由能降低的方向發展;繼而,通過特征值篩選,獲得了系列包含均勻度和濃度商的特征參數,在此基礎上構建了基于神經網絡的國窖1573年份酒鑒定模型,從而可以通過科學有效的模型實現白酒年份的準確鑒定。
主要研究結論:
●隨著陳釀時間的增加,白酒中酸和長鏈乙酯的含量增加,它們通常能夠使得白酒的香氣和口感更柔和醇厚,此外,具有烘焙香、堅果香等愉悅香氣的吡嗪和呈現松木香氣的長葉烯在陳釀過程中也增加,這能夠為陳釀白酒提供陳香等良好風味。結合感官審評發現,隨陳釀時間的增加,酒體中的窖香、陳香、堅果香、酸香顯著增加,而青香特征降低。
●白酒年份越老含有的化合物種類越多,隨著陳釀時間的增加,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漸增加,酒體中各類化合物的含量差距略有縮小,進行化學計量學分析后發現,風味物質結構的均勻度指數隨著陳釀時間的延長而增加,均勻度指數越高,說明白酒的化合物組成越均勻,這在一定程度上為陳釀白酒的風味更協調提供了解釋。
●白酒中含有大量的乙酯和酸類物質,乙酯化反應濃度商(Qc)隨陳釀時間趨向于熱力學平衡常數(Kc),陳釀過程中可逆的反應逐步趨于平衡,體系自由能最小化是化合物之間轉化的內在驅動力。
●均勻度指數(Evenness index)、Qc與Kc的量比關系可以較好的表征酒體陳釀時間,且對不同類型的白酒陳釀趨勢預測和表征中具有一定的普適性。
●采用3種判別模型和5種排序算法聯合的特征值工程篩選到41個特征,利用它們成功建立了基于神經網絡的國窖1573白酒年份鑒定方法,可以將酒體年份鑒定限定到3年之內。
●具有普適性的均勻度指數、反應濃度商等參數,以及基于機器學習的特征值篩選方法和模型構建可以為其他來源、其他香型的年份酒鑒別提供解決思路和研究方案。
主要圖文賞析:
基于化合物濃度關鍵特征的白酒樣品PCA分析、各類化合物的總含量和均勻度指數
陳釀過程中,系列反應濃度商(Qc)計算值以及根據文獻報道的53個陳釀白酒樣品數據計算得到Qc值
基于機器學習模型的關鍵特征篩選流程和結果
與白酒貯存時間密切相關的特征參數以及不同年齡段樣本的感官品評結果
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.
文章鏈接:https://doi.org/https://doi.org/10.1016/j.foodres.2023.112594.