Геохимическое «отпечатков» и машинное обучение для подтверждения происхождения игристого вина

Почему важно знать истинное происхождение вашего шампанского

Когда мы открываем бутылку игристого вина — особенно известного бренда, такого как Шампань — мы платим не только за напиток, но и за место, откуда он родом. Тем не менее поддельные бутылки и вводящие в заблуждение этикетки становятся всё более распространёнными, что угрожает и потребителям, и честным производителям. В этом исследовании показано, как крошечные химические следы в вине, в сочетании с современным анализом данных, могут надёжно указать, где была произведена бутылка, предлагая мощный инструмент для защиты любителей вина и виноделов.

Проблема фальшивых пузырьков

Мировой рынок игристых вин быстро рос, особенно в сегментах класса люкс. Этот успех привлёк мошенников: дешёвые вина могут выдаваться за престижные, а на этикетках ошибочно указывают защищённые регионы, такие как Шампань или Бургундия. Традиционные меры защиты — бумажные записи, сопроводительные документы и официальные ярлыки — можно подделать. Поэтому регуляторам и производителям нужны методы, которые тестируют само вино, а не только документы, чтобы проверить достоверность заявленного происхождения.

Чтение земли внутри вина

Каждый виноградник расположен на уникальном сочетании горных пород и почв, и эти подземные особенности оставляют слабые, но измеримые следы в ягодах и, в конечном счёте, в вине. Исследователи сосредоточились на французских игристых винах из Шампани и Бургундии — регионах с контрастной геологией: меловые отложения в Шампани и глинисто-известняковые породы в Бургундии. Они измеряли набор химических подсказок, включая соотношение двух форм стронция и количества нескольких микроэлементов, таких как рубидий, марганец и бор. Эти геохимические «отпечатки» фиксируют экологический «акцент» каждого региона подобно тому, как речь человека отражает место его воспитания.

Обучение простой модели различать регионы

Чтобы превратить эти химические закономерности в практический тест, команда использовала машинное обучение — компьютерные методы, которые учатся на данных. Они выбрали простой подход под названием логистическая регрессия, его предпочли за понятность решений для регуляторов и производителей. Используя 75 аутентичных бутылок (66 из Шампани и 9 из Бургундии), они многократно делили данные на тренировочные и тестовые наборы и применяли метод, уравновешивающий представительство двух регионов, чтобы редкие образцы из Бургундии не были затенены. В ходе тысяч прогонов тестов модель показала очень высокую точность в различении двух регионов, подтвердив, что вина действительно несут чёткие сигнатуры своего происхождения.

Поиск более дешёвой химической короткой дорожки

Одним из препятствий для рутинного тестирования является стоимость. Измерение изотопных соотношений стронция с очень высокой точностью исключительно надёжно, но каждая проба может стоить около 300 евро. Исследование внимательно сравнило все измеряемые признаки по отдельности и в сочетании. Изотопы стронция почти идеально определяли происхождение, но концентрация рубидия — намного более дешёвая в анализе — показала почти такой же результат. Используя только рубидий, классификация оставалась правильной более чем в 90% случаев, при этом аналитические затраты сократились примерно на 75%. Комбинация рубидия с несколькими другими элементами ещё больше улучшала точность, предлагая гибкие варианты в зависимости от бюджета и требуемой уверенности.

Дальше Шампани: более широкая сеть защиты пищевых продуктов

Хотя работа сосредоточена на игристых винах, предложенная структура рассчитана на переносимость в другие области. Та же комбинация химического отпечатка и прозрачного анализа данных могла бы помочь защитить другие продукты высокой ценности — такие как оливковое масло, мёд или кофе — от мошенничества с происхождением. Авторы также выделяют сохраняющиеся задачи: их набор данных охватывает только два французских региона, и в будущих исследованиях нужно учитывать изменения климата, годовые вариации и согласованные стандарты измерений между лабораториями. Тем не менее исследование демонстрирует, что история земли сохраняется в каждой бутылке и что, внимательно прислушиваясь к этим тонким химическим следам, мы можем сделать глобальные продовольственные рынки более честными, прослеживаемыми и заслуживающими доверия потребителей.

Цитирование: Lu, Y., Doerr, C. & Sebilo, M. Geochemical fingerprinting and machine learning for authenticating sparkling wine origins. npj Sci Food 10, 109 (2026). https://doi.org/10.1038/s41538-025-00635-0

Ключевые слова: аутентификация вина, геохимическое отпечатков, игристое вино, продовольственное мошенничество, машинное обучение