Směsi vůní: klíčem jsou slova — GrassAccord představuje studii „Jak předpovědět vzdálenost mezi čichovými směsmi“

Představte si, že máte před nosem dva testovací proužky. Na jednom je směs vůní z deseti molekul. Na druhém také směs z deseti molekul, ale ani jedna se neopakuje. A přesto vám obě vůně připadají dost podobné.

Proč se to děje? A dá se výsledek odhadnout ještě před smícháním? Studie, která letos v srpnu vyšla v časopise Národní akademie věd USA (PNAS), je záznamem toho, jak se této staré otázce společně postavilo 26 výzkumných týmů z celého světa.

Výsledek překvapil. Nejlepším klíčem k vůni směsí nebylo přímé čtení tvaru molekul. Předpověď byla nejpřesnější tehdy, když vedla přes slova, kterými vůně pojmenováváme, například „ovocné“ nebo „travnaté“.

Pokud jste s parfumérstvím začali, možná jste nad tím také přemýšleli.

• Opravdu mi pomůže, když budu vůně popisovat slovy?
• Včera mi dvě vůně připadaly podobné a dnes se liší. Je s mým nosem něco v nepořádku?
• Nebude za mě brzy akordy skládat umělá inteligence?

Tato studie napovídá u všech tří otázek. V první části představíme, co výzkumný tým udělal a co zjistil, v druhé přidáme náš komentář k tomu, jak můžete výsledky využít u parfumérského stolu. Neznámé pojmy jsme vysvětlili zvlášť na konci, takže můžete číst v klidu.

Nejprve: o jakou studii jde?

• Název: A semantic-based community model for high-fidelity tuning of olfactory mixture distances (Společný model založený na významu slov pro přesné určení vzdáleností mezi čichovými směsmi)
• Autoři: Rozsáhlý společný výzkumný tým kolem Vahida Satarifarda a Pabla Meyera. Zapojily se instituce z několika zemí, například Yaleova univerzita, Rockefellerova univerzita, Monell Chemical Senses Center, Weizmannův institut a výzkum IBM. Spoluautory jsou i známí badatelé v oblasti čichu Leslie B. Vosshallová, Noam Sobel a Joel D. Mainland.
• Kde vyšla: PNAS, ročník 123, číslo 32, zveřejněno 4. srpna 2026. Jde o studii, která prošla recenzním řízením.
• Originál: doi.org/10.1073/pnas.2611057123 — může si ji zdarma přečíst každý (v angličtině).
• Na co si dát pozor: Studie se netýká parfémů, ale výzkumných směsí molekul. I autoři zmiňují tvorbu parfémů jen jako jednu z možných budoucích oblastí využití.

Proč jsme vybrali právě tuto studii?

V první představené studii jsme se na zhruba 170 000 parfémů dívali shora, přes čísla. Byla to mapa trhu a kultury. Tentokrát jdeme přesně opačným směrem a díváme se do nosu člověka, který sedí nad dvěma testovacími proužky.

Parfumérství je nakonec umění míchat. Jenže pravidla, která mají oči a uši, nos zatím nemá. Z červené, zelené a modré vzniknou barvy na obrazovce a zvuk lze popsat pomocí frekvencí. Výzkumný tým říká, že čich zatím srovnatelný rámec nemá. Parfuméři se proto dlouho spoléhali na zkušenost a vlastní nos.

Tato studie přes tuto mezeru poprvé pokládá docela pevný most. Není to most hotový. Poctivě ale ukazuje, kam až vede a kde končí, a právě proto je dobrým studijním materiálem pro ty, kdo se parfumérství učí.

Pokus nakreslit mapu nosu

Než se pustíme do hlavního obsahu, podívejme se, proč se tato soutěž vůbec konala.

Vůni jedné molekuly už umíme docela dobře odhadnout

Odhadnout vůni jen ze struktury molekuly bylo dlouho pověstně těžké. Za posledních deset let se to ale změnilo. První čichová soutěž DREAM ukázala, že počítač umí ze struktury molekuly předpovědět popisy jako česnek, sladké nebo květinové.

V roce 2023 přišel model zvaný hlavní mapa vůní (POM). Je to mapa, která rozmisťuje struktury molekul v prostoru vůní. Podle studie si tento model vedl při předpovídání popisů vůní lépe než průměrný člen hodnoticí skupiny. Právě tuto mapu použilo jako vstup mnoho týmů v této soutěži.

Jenže většina vůní na světě je smíchaná

Problém přichází až potom. Vůně, které běžně cítíme, například káva, květiny nebo parfémy, jsou obvykle směsi desítek až stovek molekul. Když umíte odhadnout jednu molekulu, ale ne jejich směs, ve skutečném světě vám to moc nepomůže.

Kdo si zkusil parfumérství, tuto potíž dobře zná. Smícháte dvě skvělé suroviny a vznikne něco úplně jiného, než jste čekali, nebo se přidaná surovina jako by vytratí. Bylo potřeba veřejné měřítko pro předpovídání směsí, a tak vznikla soutěž, v níž se více týmů utkalo o stejný problém.

Jak probíhala soutěž 26 týmů?

Roztroušené experimenty se spojily v jeden celek

Výzkumníci nejprve spojili do jednoho celku šest datových souborů ze tří dosud oddělených studií. Po spojení vypadal rozsah takto.

• 168 jednotlivých molekul
• 731 různých směsí
• 507 měření, která porovnávala dvě směsi

Protože se metody pokusů lišily, všechny výsledky převedli na jednu stupnici. Hodnota 0 znamená, že dvě vůně nelze rozlišit, a 1, že se nemohou lišit víc. Výzkumníci tomuto číslu říkají čichová vzdálenost. Podobně jako na mapě měříte vzdálenost mezi dvěma městy, měří se tu vzdálenost mezi dvěma vůněmi.

Soutěžilo se tři měsíce

Soutěž se jmenuje DREAM Challenge. Více týmů v ní veřejně poměřuje své předpovědi na stejném problému. 26 týmů zhruba tři měsíce ladilo své modely umělé inteligence a závěrečnou zkouškou bylo 46 dvojic směsí se skrytými správnými odpověďmi.

Cvičné úlohy bylo možné odevzdat až třikrát týdně a podívat se na skóre. Během soutěže bylo odevzdáno 159 cvičných předpovědí a do závěrečné zkoušky se dostalo 19 týmů.

Jasný vítěz nevzešel. Čtyři týmy, D2Smell, UMich CASI, ChemSenSim Lab a belfaction, se dělily o první místo. Výzkumníci se domnívají, že při pouhých 46 dvojicích bylo těžké rozdíly rozlišit. Místo výběru jednoho týmu proto vytvořili společný model, který zprůměroval předpovědi šesti nejlepších modelů. A právě tento společný model je hlavní postavou studie.

Výsledky dvakrát ověřil lidský nos

Odpovědi umělé inteligence oznámkoval lidský nos. Zkoušky byly dvě.

• První zkouška (New York, Rockefellerova univerzita) — Zúčastnilo se 34 lidí. 92 směsí tvořilo 46 dvojic a každá směs vznikla z 10 složek, které se v dvojici nepřekrývaly. Použil se trojúhelníkový test: ze tří lahviček se vybírá ta, která voní jinak.
• Druhá zkouška (Filadelfie, Monell Chemical Senses Center) — Po skončení soutěže se zúčastnilo 16 lidí. Z 59 nově navržených směsí vzniklo 50 dvojic a každá směs měla 9–11 složek. Lidé přímo bodovali, jak jsou si vůně podobné.

Druhá zkouška měla zajímavou pojistku. Účastníci porovnávali molekulu vonící po česneku s molekulou vonící po ananasu a molekulu s vůní jahody sama se sebou. První dvojici označili za vzdálenou, druhou za velmi blízkou. To dokazuje, že stupnice funguje správně.

Stačí si předem osvojit dvě čísla

V této studii se stále objevují dvě čísla. Mohou působit složitě, tak si je zjednodušme.

Korelační koeficient ukazuje, jak moc se předpověď a skutečnost pohybují stejným směrem. Hodnota 1 znamená dokonalý souběh, 0 žádný vztah. Hodnota 0,61 neznamená, že model měl pravdu v 61 % případů. Stačí si představit, že dvojice, které lidé vnímali jako vzdálenější, označuje za vzdálenější většinou i model.

Průměrná chyba (ve studii RMSE) ukazuje, o kolik se předpověď v průměru odchyluje od skutečné vzdálenosti. Čím menší, tím lepší. Hodnota 0,08 znamená, že se na stupnici 0–1 model mýlí přibližně o tolik.

Korelační koeficient si tedy zapamatujte jako „trefuje pořadí?“ a průměrnou chybu jako „jak blízko jsou hodnoty?“.

Jak dobře společný model předpovídal?

Výrazně předčil dosavadní metody

V první zkoušce dosáhl společný model průměrné chyby 0,08 a korelačního koeficientu 0,57. Oproti hlavním dosavadním metodám se chyba snížila zhruba o 33 % a korelační koeficient vzrostl o 53 %. Byl lepší i než model kteréhokoli jednotlivého týmu v soutěži.

Jedna věc stojí za pozornost. Po soutěži výzkumníci vybrali jen rysy, které vypadaly nejdůležitěji, a sestavili z nich nový samostatný model. Ten ale společný model nedohonil a zůstal na úrovni nejlepších jednotlivých týmů. Výzkumníci to vykládají takto: nestačí vybrat dobré vstupy, této úrovně se dosáhne teprve spojením různých přístupů.

Obstál i v úlohách, které nikdy neviděl

Model, který umí řešit jen soutěžní úlohy, je málo užitečný. Po soutěži proto přišla další zkouška s 50 nově navrženými dvojicemi. Průměrná chyba společného modelu vzrostla na 0,13, ale výkon zůstal dobrý. Vzhledem k tomu, že se lišilo místo, účastníci i způsob zkoušky, je to významný výsledek.

U různých typů úloh se výsledky lišily

Závěrečných 46 dvojic se dělilo do tří skupin: 16 náhodně vytvořených dvojic, 20 dvojic navržených lidmi tak, aby působily podobně, a 10 dvojic sladěných dosavadním výpočtem vzdálenosti. Soutěžící týmy nevěděly, která dvojice patří do které skupiny.

Průměrná chyba společného modelu byla u dvou navržených skupin malá, 0,07 a 0,06, a u náhodné skupiny 0,10. U korelačního koeficientu to bylo naopak: náhodná skupina byla o něco výš, na 0,45, a obě navržené skupiny měly 0,38. Výzkumníci dodávají, že dvojic je málo, a čísla z malých skupin je proto třeba číst opatrně.

Slova porazila strukturu molekul

Tohle bude ze studie pravděpodobně nejcitovanější výsledek.

Když zůstala jen slova, výsledek se zlepšil

Výzkumníci z modelu postupně odebírali jednotlivé vstupy. Odstranili chemické vlastnosti molekul, informace o čichových receptorech v těle i informace o směsi a nechali jen údaje odpovídající slovům pro vůně.

Výsledek byl překvapivý. Společný model jen se slovy dosáhl v první zkoušce korelačního koeficientu 0,61 a průměrné chyby 0,075, tedy dokonce lepších hodnot než společný model se všemi vstupy. Ve druhé zkoušce měl korelační koeficient 0,54, o 15 % vyšší.

Model bez slov se naopak výrazně zhoršil. V první zkoušce mu korelační koeficient klesl na 0,41 a ve druhé se přiblížil úrovni náhodného tipování.

Co tu vlastně znamená „slovo“?

Tady snadno vznikne omyl, proto to upřesníme. Nešlo o to, že by lidé přivoněli ke směsi a jejich poznámky se zadaly do počítače. Počítač se podívá na strukturu molekuly a nejprve odhadne, jak by ji lidé nazvali. Přiřadí pravděpodobnosti 138 slovům, například ovocné nebo travnaté. Podle takto získané kombinace slov pak porovná dvě směsi.

Cesta tedy nevede z molekuly přímo k čichové vzdálenosti, ale přes slova jako mezistanici. Překvapivé je, že se tato slova model naučil na čistých jednotlivých molekulách, a ne na směsích, a přesto vzdálenosti mezi směsmi dobře vysvětlila.

Výzkumníci jdou ještě o krok dál. Vůně směsi možná nevzniká podle zásadně jiných principů než vůně jednotlivé molekuly. Těžší část možná není „míchání“, ale „přechod od molekuly k vůni“. Studie ovšem zároveň uvádí, že někteří badatelé s tímto názorem nesouhlasí.

Která slova měla největší sílu?

Jeden tým seskupil 138 slov do 12 skupin. V jeho modelu měly největší vliv skupiny ovocné, travnaté a bylinné a oříškové, olejové a pražené.

Výsledky se lišily i podle jednotlivých slov. Ve stejné analýze tohoto týmu souvisela slova zelená, čistá a koňak se snížením chyby, zatímco fialka, aromatická a přírodní s jejím zvýšením. Výzkumníci upozorňují, že tento výsledek nelze hned vykládat. Přesto je zajímavé, že je mezi nimi slovo s tak širokým významem, jako je přírodní. To je ale náš dojem, ne závěr studie.

Mnoho vstupů nebylo potřeba

Výzkumníci u každého modelu postupně sčítali rysy s největším vlivem. Tři z přesných modelů dosáhly poloviny celkového vlivu s méně než 100 rysy. Některý model potřeboval zhruba 1 000, takže rozdíly jsou velké. Vysvětlení čichové vzdálenosti tedy nutně nevyžaduje mnoho složitých vstupů.

I lidský nos kolísá

Lidský výkon je horní hranicí

Tohle je nejpoctivější místo studie. Výzkumníci změřili i to, jak moc se shodnou stejní lidé, když mají posoudit totéž znovu. Ve druhé zkoušce účastníci posuzovali dvakrát s odstupem nejméně jednoho dne a korelační koeficient mezi oběma výsledky byl 0,74. Při porovnání dvou polovin první zkoušky vyšla hodnota 0,69.

Když se nad tím zamyslíte, je to přirozené. Ani zprůměrovaný lidský úsudek se dokonale neopakuje. Model tedy těžko překoná lidi v tom, jak lidi napodobit. Hodnoty 0,61 a 0,54 modelu jen se slovy této hranice ještě nedosáhly. I výzkumníci přiznávají, že mezi modelem a člověkem zůstává mezera.

Chyby přicházejí, když jsou vůně velmi podobné nebo velmi odlišné

Nejpřesnější byl model v pásmu vzdálenosti 0,5–0,8, protože se tam soustředila data pro učení. Náhodně míchané směsi prý obvykle padnou právě do tohoto rozmezí.

Pod 0,5 a nad 0,8 chyba naopak rostla. Modely měly sklon táhnout předpovědi ke středu. Velmi podobné dvojice odhadovaly o něco vzdálenější, než byly, a velmi odlišné o něco bližší.

Pro parfuméra je to důležité. Nejtěžší rozhodnutí v praxi je rozlišit dva návrhy, které jsou „skoro stejné, ale v něčem jiné“. A právě tam je dnešní model nejslabší.

Nový model nevyhrál vždy

Když druhou zkoušku rozdělili podle vzdálenosti do pěti pásem, měl v nejpodobnějším pásmu menší chybu starší model, tedy hlavní mapa vůní. Ve zbývajících čtyřech pásmech vedly společný model a model jen se slovy. Ukazuje to, že dobrý celkový průměr ještě neznamená dobrý výsledek v každém pásmu.

Čím se liší od skutečných parfémů?

Tuto studii nelze na parfémy přenést jedna ku jedné. Mezi laboratorními směsmi a skutečnými parfémy je velký rozdíl.

• Směsi s vyrovnanou intenzitou — Ve většině dat byla intenzita složek předem vyrovnaná. Ve skutečné vůni silné složky překrývají slabé a s koncentrací se mění i charakter vůně. Výzkumníci píší, že práce s intenzitou je úkolem do budoucna.
• Počet složek — Zkušební směsi měly kolem deseti složek. Výzkumníci vysvětlují, že vůně, se kterými se běžně setkáváme, jsou obvykle směsi desítek až stovek molekul.
• Omezené suroviny — Rozsah použitých molekul je úzký. Zatím nevíme, zda to bude fungovat i u molekul, které model nikdy neviděl.
• Úsudek jednoho okamžiku — Studie se ptala, jak moc jsou si dvě vůně podobné. Neptala se, jak se vůně mění v čase ani zda se lidem líbí.

Poslední bod si zapamatujte zvlášť. Vzdálenost říká jen to, jak moc se dvě vůně liší, a neříká, která z nich je lepší.

Jedna věc potěší. Výzkumníci zveřejnili data, modely i kód. Kdokoli tedy může na stejném problému vyzkoušet lepší metodu. Zveřejnění ale neznamená, že by vznikl nástroj, do kterého parfumér vloží dva akordy a hned dostane vzdálenost. Zatím jde spíš o výchozí měřítko pro výzkumníky.

Metamery: stejná vůně z jiných surovin

Jeden ze souborů dat pochází z výzkumu, který se snažil vytvořit čichové metamery. Metamery jsou dvojice směsí, které nemají žádnou společnou složku, a přesto působí podobně. U barev je to podobné jevu, kdy světlo různého složení vidíme jako stejnou barvu.

Výzkumníci očekávají, že díky těmto výsledkům půjde virtuální metamery efektivně vytvářet v počítači a pak je zkoušet. Nejprve se výpočtem vyberou kandidáti a člověk je potom ověří.

Oblasti využití, které autoři jmenují, jsou široké: digitální čich, který ukládá a přenáší vůně jako data, technologie sledující zdraví například z dechu, elektronické nosy a generativní tvorba vonných látek. Jsou to ale jen budoucí možnosti a tato studie žádný parfém nenavrhla.

Komentář: co tato studie říká těm, kdo se učí parfumérství

Odtud dál nejde o závěry studie, ale o výklad GrassAccord.

Popisovat vůni slovy není dojem, ale návrhová práce

Když se v hodinách parfumérství zadá psaní poznámek k surovinám, mnohým to připadá otravné. Proč to psát, když si k tomu můžu přičichnout? Tato studie nás nutí na ten zvyk pohlédnout znovu. Vzdálenost mezi směsmi totiž vysvětlilo lépe několik slov pro vůně než množství údajů o molekulách.

Slova počítače a lidské poznámky samozřejmě nejsou totéž. Směr je ale společný. Když vůni rozložíte do slov, můžete ji porovnávat. Poznámka, která končí slovem „hezké“, vám u dalšího míchání nepomůže, ale poznámka „silně travnaté, na konci zůstává mokré dřevo“ ano.

Začněte jednotlivými surovinami

Slova vznikla z jednotlivých molekul, a přesto vysvětlila směsi. Stejné je to s pořadím učení. Když jasně znáte dojem z jedné suroviny, dokážete přečíst, co se stalo po smíchání. Čas strávený opakovaným čicháním jedné suroviny se vám později vrátí víc než výroba mnoha akordů.

Vyplatí se přitom půjčit si jednu metodu z laboratoře. Stejně jako výzkumníci vyrovnali intenzitu složek, vyrovnejte i vy koncentraci ředění, když porovnáváte suroviny. Je-li jedna silnější, neporovnáváte charakter suroviny, ale intenzitu. Úsudek udělaný nad neředěnými surovinami se po naředění často změní.

Vybírejte slova s úzkým významem

Slovo přírodní je pohodlné, ale vejde se do něj mnoho věcí. Zkuste jít o úroveň níž a určit, co přesně je přírodní. Vůně posekané trávy, mokré hlíny, nebo oloupaného ovoce? Jak jsme už řekli, studie to nedokazuje, ale u parfumérského stolu si snadno ověříte, že čím užší je význam slova, tím víc vám pomůže při dalším rozhodování.

Zkuste stejný dojem vytvořit z jiných surovin

Pojem metamer je pro začátečníky velkou útěchou. I když některou surovinu neseženete nebo se na ni vztahuje regulace, stejný dojem lze znovu postavit z jiných surovin. K podobnému dojmu nejsou nutně potřeba tytéž molekuly.

Také mnohé formule, které GrassAccord prodává, berou slavné parfémy jako studijní materiál. Být podobný ale není totéž co být stejný. I tato studie se zabývala jen dojmem jednoho okamžiku. Jak se vůně mění v čase, musíte sledovat sami na testovacím proužku.

Věřte svému nosu, ale ne jen jednou

I zprůměrovaný lidský úsudek má při opakování hodnotu 0,74. Když dvě vůně, které vám včera připadaly podobné, dnes působí jinak, nemusí být s nosem nic v nepořádku. Úsudek prostě kolísá. U důležitých rozhodnutí si vůně přivoňte znovu druhý den a porovnejte je s první poznámkou. Váš úsudek ochrání zvyk, ne čísla.

Více nosů je lepších než jeden

Nejlépe si ve studii nevedl jeden výjimečný tým, ale průměr různých týmů. U hodnocení vůní je to podobné. Když si nejste jistí, dejte přivonět někomu dalšímu. Věta člověka, který o parfumérství nic neví, „voní to jako mýdlo“, se může stát cennou nápovědou.

Umělá inteligence jen zužuje výběr

Budoucnost, o které studie mluví, není svět bez parfumérů, ale spíš svět, kde výpočet zúží kandidáty a člověk rozhodne nosem. Model zatím neposuzoval, co je dobré a co špatné, a byl slabý právě v nejtěžším pásmu „skoro stejné, ale jiné“. Toto poslední pásmo zatím zůstane lidskému nosu.

Tři cvičení, která můžete hned vyzkoušet u parfumérského stolu

Bylo by škoda studii jen přečíst a skončit. Práci výzkumníků zmenšíme a přeneseme ji na parfumérský stůl. Poměry si určete sami podle svých surovin a vkusu.

Cvičení 1. Vytvořte si vlastní slovník vůní

Vyberte deset surovin, které často používáte, a jednu po druhé naneste na testovací proužky. U každé suroviny si zapište jen tři slova. Hodnoticí slova jako „hezké“ vynechejte a použijte jen slova, která ukazují na vůni, například ovoce, tráva, dřevo nebo mýdlo. Po týdnu zakryjte názvy, napište slova znovu a porovnejte je. Slova, která zůstala, jsou skutečnou tváří té suroviny.

Cvičení 2. Trojúhelníkový test doma

Připravte dva podobné návrhy. Na dva ze tří testovacích proužků naneste stejný návrh, na jeden druhý a označte si je na spodní straně. Požádejte někoho, aby pořadí zamíchal, a pak vyberte ten, který se liší. Když to zopakujete a stále se trefujete, jde o rozlišitelné vůně. Když zůstáváte na úrovni tipování (jednou ze tří), jsou pro váš nos zatím téměř stejné.

Cvičení 3. Změřte vzdálenost svým nosem

Zapište vzdálenost dvou vůní číslem od 0 do 1. Hodnota 0 znamená, že je nerozlišíte, 1, že jsou zcela odlišné. Ohodnoťte asi pět dvojic a druhý den je ve stejném pořadí ohodnoťte znovu. Podle toho, jak moc se čísla pohnula, poznáte šířku svého úsudku. Kolísání nevadí. Znát tuto šířku je cílem cvičení.

Na co si dát pozor při čtení této studie

• Není to výzkum parfémů. Zabývala se výzkumnými směsmi molekul. Neznamená to, že ji lze přímo použít na skládání parfémů.
• Zkušebních úloh není mnoho. První zkouška měla 46 dvojic. Proto nešlo rozlišit pořadí nejlepších týmů a výzkumníci žádají, aby se výsledky malých skupin četly opatrně.
• Je silná ve středním pásmu. Data pro učení se soustředí na vzdálenost 0,5–0,8, takže je slabá u velmi podobných nebo velmi odlišných dvojic.
• Měření v datech se liší. Trojúhelníkové testy a bodování byly převedeny na jednu stupnici, takže může zůstat zkreslení podle metody.
• Intenzitu nezachytila dostatečně. Většinou šlo o složky s vyrovnanou intenzitou. Ve skutečných vůních je intenzita velká proměnná.
• Nevíme, zda bude fungovat u nových molekul. Rozsah molekul použitých ve zkouškách je úzký.
• Výklad má své odpůrce. Studie uvádí, že někteří badatelé nesouhlasí s názorem, že vůni směsi z velké části určuje překryv slov.
• Vazby na firmy jsou zveřejněny. Studie uvádí, že někteří autoři působí jako poradci firem v oblasti čichu.

Pojmy z tohoto článku

• Jednotlivá molekula — Vonná látka tvořená jedním druhem molekuly.
• Směs — Spojení více molekul. V této studii má zhruba deset složek.
• Vzdálenost — Hodnota 0–1 vyjadřující, jak odlišně dvě vůně působí. 0 znamená, že je nelze rozlišit, 1 největší rozdíl.
• Trojúhelníkový test — Metoda, která měří schopnost rozlišit vůně výběrem té odlišné ze tří.
• Korelační koeficient — Číslo, které ukazuje, jak moc se dvě hodnoty pohybují společně. Čím blíž k 1, tím víc se pohybují společně.
• Průměrná chyba (RMSE) — Průměrná velikost odchylky předpovědi od skutečnosti. Čím menší, tím lepší.
• Společný model (ensemble) — Model, který zprůměruje předpovědi několika modelů do jedné.
• Slovní informace (sémantické rysy) — Hodnoty, které počítač předpovídá o tom, jakými slovy se molekula nazývá.
• Hlavní mapa vůní (POM) — Model ze starší studie, který ze struktury molekuly předpovídá slova pro vůně. Mnoho týmů ho v této soutěži použilo jako vstup.
• Metamer — Dvojice směsí, které působí podobně, i když nemají společné složky.
• Akord — Jednotka vůně, v níž se smíchá více surovin tak, aby působily jako jeden dojem.
• Formule — Plán, který popisuje, které suroviny se v jakém poměru smíchají, aby vznikla jedna vůně. Právě to GrassAccord prodává.

Závěrem

Nos zatím nemá pravidla podobná červené, zelené a modré. První vodítko, které 26 týmů společně našlo, však leželo nečekaně na straně lidské řeči. Vzdálenost mezi dvěma vůněmi vysvětlilo lépe několik slov pro vůně než dlouhé popisy molekul.

A změřit tuto vzdálenost až do konce stále zůstává na lidském nosu. Nos kolísá a model se stahuje ke středu. Ani jedno není dokonalé, a proto je i dnes nejspolehlivější pomalu čichat nad testovacím proužkem, zapisovat slovy a druhý den přičichnout znovu.

Pro ty, kdo s parfumérstvím teprve začínají, je to dobrá zpráva. I bez drahého vybavení stačí testovací proužky a jeden zápisník, abyste vstoupili na cestu, kterou tato studie ukázala. Vůně je univerzální jazyk. GrassAccord vás doprovodí na cestě, na které si budete slova tohoto jazyka sbírat jedno po druhém.

Zdroj: Vahid Satarifard, Laura Sisson, Yikun Han a kol. "A semantic-based community model for high-fidelity tuning of olfactory mixture distances." PNAS 123(32), e2611057123, zveřejněno 4. srpna 2026. Originál: https://doi.org/10.1073/pnas.2611057123 · Všechna čísla v tomto článku pocházejí z textu studie a text je shrnutím a komentářem GrassAccord. Kapitola „Komentář“ je výkladem GrassAccord, nikoli závěrem studie.