본 논문은 AI의 후각 인식 능력 향상을 위한 대규모 데이터베이스 SmellNet을 제시합니다. SmellNet은 50가지 다양한 물질(견과류, 향신료, 허브, 과일, 채소)의 냄새를 50시간에 걸쳐 180,000개의 시간 단계로 디지털화한 데이터베이스입니다. 이를 이용하여, 시계열 모델, 대조 학습, 새로운 시간 차이 방법을 활용하여 실시간 물질 분류 AI 모델을 학습시켰습니다. 실험 결과, 사전 기록된 데이터에 대해 최대 65.35%의 정확도를 달성했으며, 실제 환경에서는 견과류 10.71%, 향신료 25.38%의 정확도를 보였습니다. 하지만 더욱 풍부한 특징 학습, 에지 컴퓨팅 기반 후각 모델, 환경 변화에 대한 강건성 등의 기술적 과제가 남아있음을 시사합니다.
