Duftblandinger: nøglen viste sig at være ordene — GrassAccord gennemgår artiklen ”At forudsige afstanden mellem duftblandinger”

Lad os sige, at to duftblandinger ligger på hver sin duftstrimmel lige under næsen. Den ene består af 10 molekyler. Den anden også af 10, men ikke ét af dem er det samme. Alligevel opfatter menneskets næse de to dufte som ret ens.

Hvorfor sker det? Og kan man kende resultatet, før noget er blandet? En artikel, der udkom i august i tidsskriftet PNAS, som udgives af USA's nationale videnskabsakademi, beretter om, hvordan 26 forskerhold fra hele verden i fællesskab tog fat på det gamle spørgsmål.

Resultatet var uventet. Den bedste nøgle til en blandings duft var ikke at aflæse molekylernes form direkte. Forudsigelserne blev mest præcise, når de gik gennem de ord, vi bruger om dufte, såsom ”frugtagtig” og ”græsagtig”.

Den, der er begyndt at komponere dufte, kender sikkert disse overvejelser:

• Bliver man virkelig bedre af at beskrive dufte med ord?
• I går føltes to dufte ens, i dag føles de forskellige. Er der noget galt med min næse?
• Kommer AI snart til at komponere akkorderne for os?

Artiklen giver fingerpeg til alle tre spørgsmål. I første del gennemgår vi, hvad forskerne gjorde, og hvad de fandt, og i anden del tilføjer vi vores egen kommentar om, hvordan den, der lærer parfumeri, kan bruge resultaterne ved parfumørbordet. Usædvanlige ord forklares nederst, så der er god ro til at læse.

Først: hvad er det for en artikel?

• Titel: A semantic-based community model for high-fidelity tuning of olfactory mixture distances (en fælles model, der ud fra ordenes betydning finjusterer afstandene mellem duftblandinger)
• Forfattere: en stor international forskergruppe med Vahid Satarifard og Pablo Meyer i centrum. Institutioner fra flere lande deltog, blandt andet Yale University, Rockefeller University, Monell Chemical Senses Center, Weizmann-instituttet og IBM Research. Også de velkendte lugteforskere Leslie B. Vosshall, Noam Sobel og Joel D. Mainland er medforfattere.
• Udgivet: PNAS bind 123, nummer 32, den 4. august 2026. Artiklen er fagfællebedømt af det videnskabelige tidsskrift.
• Læs originalen: doi.org/10.1073/pnas.2611057123 — alle kan læse den gratis (på engelsk).
• Værd at vide: undersøgelsen handler ikke om parfumer, men om molekyleblandinger til forskning. Forfatterne nævner kun parfumedesign som ét af flere fremtidige anvendelsesområder.

Hvorfor valgte vi netop denne artikel?

I den første artikelgennemgang så vi omkring 170.000 parfumer oppefra gennem tal. Det var et kort over marked og kultur. Denne gang går vi i den stik modsatte retning og kigger ind i næsen på den, der sidder foran to duftstrimler.

Parfumeri handler i bund og grund om at blande. Men de regler, der findes for øjne og ører, findes endnu ikke for næsen. Farver på en skærm skabes af rød, grøn og blå, og lyd kan beskrives med frekvenser. Forskerne skriver, at lugtesansen endnu mangler en tilsvarende ramme. Derfor har parfumører længe måttet stole på erfaring og næse.

Denne artikel lægger for første gang en ret solid bro over det tomrum. Broen er ikke færdig. Men artiklen viser ærligt, hvor langt man er nået, og hvor det stopper, og det gør den til et godt studiemateriale for dem, der lærer parfumeri.

Et kort over næsen: sådan begyndte det

Før vi går ind i selve indholdet, ser vi på, hvorfor konkurrencen overhovedet blev holdt.

Duften af ét molekyle kan efterhånden forudsiges ret godt

At gætte en duft alene ud fra et molekyles struktur var længe et berygtet svært problem. Men de seneste ti år har billedet ændret sig. Den første DREAM-konkurrence om lugtesansen viste, at en computer kan forudsige duftudtryk som hvidløg, sødme og blomster ud fra molekylstrukturen.

I 2023 kom en model ved navn det principale duftkort (POM). Det er et kort, der placerer molekylstrukturer i duftens rum. Ifølge artiklen gav modellen bedre resultater end et gennemsnitligt medlem af testpanelet, når det gjaldt om at forudsige duftudtryk. Mange hold i denne konkurrence brugte netop dette kort som råmateriale.

Men de fleste dufte i verden er blandinger

Så kommer problemet. Det, vi lugter i hverdagen, som kaffe, blomster og parfume, er oftest blandinger af titals eller hundredvis af molekyler. Selv hvis man kan forudsige ét molekyle, er det til lille praktisk nytte, hvis man ikke kan forudsige, hvad der sker, når det blandes.

Den, der har prøvet at komponere, kender vanskeligheden. To fine råvarer kan tilsammen give en duft, der er helt anderledes end ventet, og en tilsat råvare kan føles, som om den er forsvundet. Der manglede en åben målestok for at forudsige blandinger, og derfor blev der holdt en konkurrence, hvor flere hold løste det samme problem.

Konkurrencen med 26 hold: hvordan foregik den?

Spredte forsøg blev samlet ét sted

Forskerne lagde først seks datasæt fra tre undersøgelser, der tidligere var lavet hver for sig, sammen. Samlet så omfanget sådan ud:

• 168 enkelte molekyler
• 731 forskellige blandinger
• 507 målinger, hvor to blandinger blev sammenlignet

Da forsøgene var lagt forskelligt an, blev alle resultater ført over på én fælles skala. 0 betyder, at to dufte ikke kan skelnes, og 1, at de ikke kan være mere forskellige. Forskerne kalder tallet for duftafstand. Den måles, ligesom man måler vejen mellem to byer på et kort, bare mellem to dufte.

Konkurrencen varede tre måneder

Konkurrencen hedder DREAM Challenge. Flere hold dyster åbent om, hvem der forudsiger bedst ved den samme opgave. I omkring tre måneder finpudsede 26 hold deres AI-modeller, og til sidst stod de over for en afsluttende prøve med 46 par blandinger, hvis rigtige svar var skjult.

Øvelsesopgaver kunne indsendes op til tre gange om ugen med point som tilbagemelding. I løbet af konkurrencen blev der indsendt 159 øvelsesforudsigelser, og 19 hold indsendte til den afsluttende prøve.

Afgørelsen blev ikke klar. Fire hold delte førstepladsen: D2Smell, UMich CASI, ChemSenSim Lab og belfaction. Forskerne mener, at det var svært at skille dem ad med kun 46 par. I stedet for at vælge ét hold tog de derfor gennemsnittet af de seks bedste modellers forudsigelser og skabte en fællesmodel. Det er fællesmodellen, der er artiklens hovedperson.

Menneskets næse tjekkede to gange

Det var menneskets næse, der rettede AI'ens svar. Der var to prøver.

• Første prøve (New York, Rockefeller University) — 34 personer deltog. 92 blandinger udgjorde 46 par, og hver blandning bestod af 10 ingredienser uden overlap. Man brugte en trekanttest, hvor den med den afvigende duft skal vælges blandt tre flasker.
• Anden prøve (Philadelphia, Monell Chemical Senses Center) — efter konkurrencen deltog 16 personer. Af 59 nydesignede blandinger blev der lavet 50 par med 9-11 ingredienser pr. blanding. Deltagerne gav selv point for, hvor ens to dufte var.

Den anden prøve havde en interessant sikkerhedsforanstaltning. Deltagerne skulle sammenligne et molekyle med duft af hvidløg med et molekyle med duft af ananas og et molekyle med duft af jordbær med sig selv. Det første par blev vurderet som langt fra hinanden, det andet som meget tæt på. Det viser, at skalaen fungerede, som den skulle.

To tal, der er værd at kende på forhånd

To tal går igen i hele artiklen. De kan virke svære, så vi begynder med en enkel forklaring.

Korrelationskoefficienten viser, hvor godt forudsigelse og virkelighed bevæger sig i samme retning. 1 betyder, at de følges perfekt ad, 0, at der ikke er nogen sammenhæng. Værdien 0,61 betyder ikke, at 61 % var rigtigt. Det er nok at tænke sådan: de par, som mennesker fandt mere fjerne, pegede modellen som regel også ud som mere fjerne.

Middelfejlen (RMSE i artiklen) viser, hvor meget forudsigelsen i gennemsnit afviger fra den virkelige afstand. Jo mindre, jo bedre. 0,08 betyder cirka sådan en afvigelse på skalaen fra 0 til 1.

Korrelationskoefficienten svarer altså på ”passer rækkefølgen?”, og middelfejlen på ”hvor tæt er værdien på?”.

Hvor præcis var fællesmodellen?

Den overhalede klart de tidligere metoder

I den første prøve nåede fællesmodellen en middelfejl på 0,08 og en korrelationskoefficient på 0,57. Sammenlignet med typiske tidligere metoder faldt fejlen med omkring 33 %, og korrelationskoefficienten steg med 53 %. Den var også bedre end modellen fra noget enkelt hold i konkurrencen.

Én ting er værd at bemærke. Efter konkurrencen byggede forskerne en ny model med kun de egenskaber, der syntes vigtigst. Den indhentede alligevel ikke fællesmodellen, men blev på niveau med de bedste enkelte hold. Forskerne tolker det sådan: det er ikke nok at vælge gode ingredienser, for niveauet nås først, når forskellige metoder forenes.

Den holdt også over for nye opgaver

En model, der kun klarer konkurrencens opgaver, er til lille nytte. Derfor blev den testet igen efter konkurrencen med 50 nydesignede par. Fællesmodellens middelfejl steg til 0,13, men ydeevnen var stadig god. Det vejer tungt, når både prøvested, deltagere og prøvemetode var anderledes.

Resultaterne varierede med opgavetypen

Den afsluttende prøves 46 par var delt i tre grupper: 16 tilfældigt skabte par, 20 par, som mennesker havde designet til at føles ens, og 10 par justeret med en eksisterende metode til afstandsberegning. Holdene vidste ikke, hvilket par der hørte til hvilken gruppe.

Fællesmodellens middelfejl var lille i de to designede grupper, 0,07 og 0,06, og 0,10 i den tilfældige gruppe. Korrelationskoefficienten gik den anden vej: den tilfældige gruppe lå lidt højere med 0,45 og de to andre på 0,38. Forskerne tilføjer, at parrene var få, og at tallene fra små grupper bør læses med forsigtighed.

Ordene slog molekylstrukturen

Dette er formentlig det resultat fra artiklen, der vil blive citeret mest.

Kun med ordene blev det bedre

Forskerne lavede et forsøg, hvor de fjernede modellens ingredienser én ad gangen. De tog molekylernes kemiske egenskaber, oplysningerne om receptorer i kroppen og oplysningerne om blandingerne væk og beholdt kun det, der svarer til de ord, vi bruger om dufte.

Resultatet var forbløffende. Fællesmodellen med kun duftord nåede i den første prøve korrelationskoefficienten 0,61 og middelfejlen 0,075 og var dermed endda bedre end fællesmodellen med alle ingredienser. I den anden prøve lå korrelationskoefficienten på 0,54, hvilket var 15 % højere.

Modellen uden ord blev til gengæld klart dårligere. I den første prøve faldt korrelationskoefficienten til 0,41, og i den anden nærmede resultatet sig tilfældige gæt.

Hvad betyder ”ord” her?

Dette punkt er let at misforstå, så vi forklarer det grundigt. Det handler ikke om duftnoter, som mennesker har skrevet efter at have lugtet til blandingen. Computeren ser først på molekylets struktur og forudsiger, hvad mennesker ville kalde det. Den sætter sandsynligheder på 138 ord, såsom frugtagtig og græsagtig. To blandinger sammenlignes derefter ud fra kombinationen af disse ord.

Vejen fra molekyle til duftafstand går altså ikke direkte, men via ordene som et mellemstop. Det forbløffende er, at ordene, som var lært fra rene enkelte molekyler og ikke fra blandinger, alligevel forklarede afstandene mellem blandinger godt.

Forskerne går et skridt videre. Blandingers duft skabes måske ikke efter grundlæggende andre principper end enkelte molekylers duft, mener de. Det svære ligger måske mindre i ”blandingstrinnet” og mere i ”trinnet fra molekyle til duft”. Artiklen nævner dog også, at der er forskere, som ikke deler den opfattelse.

Hvilke ord havde størst kraft?

Et af holdene delte de 138 ord op i 12 grupper. I det holds model havde grupperne frugt, græs og krydderurter samt nødder, olie og ristet størst indflydelse.

Også de enkelte ord klarede sig forskelligt. I samme holds analyse var grøn, ren og cognac forbundet med mindre fejl, mens viol, aromatisk og naturlig var forbundet med større fejl. Forskerne påpeger, at resultatet ikke kan tolkes uden videre. Det er alligevel interessant, at et så bredt ord som naturlig er med. Det er vores egen fornemmelse og ikke artiklens konklusion.

Der skulle ikke mange ingredienser til

Forskerne stablede hver models mest indflydelsesrige egenskaber i rækkefølge. Tre af de præcise modeller nåede halvdelen af den samlede indflydelse med færre end 100 egenskaber. En anden model skulle bruge omkring 1.000, så forskellen er stor. Det betyder, at det ikke nødvendigvis kræver mange komplicerede ingredienser at forklare duftafstand.

Også menneskets næse vakler

Menneskets resultat er loftet

Dette er artiklens mest ærlige afsnit. Forskerne målte også, hvor godt de samme personer gav samme svar, når de vurderede igen. I den anden prøve vurderede deltagerne to gange med mindst en dags mellemrum, og korrelationskoefficienten mellem resultaterne blev 0,74. I den første prøve gav en sammenligning af to halvdele 0,69.

Det er egentlig ikke så mærkeligt. Selv gennemsnitlige menneskelige vurderinger gentages ikke perfekt. Det er derfor svært for en model at ramme menneskets dømmekraft bedre end mennesker selv. Modellen med kun duftord nåede 0,61 og 0,54 og er altså endnu ikke oppe ved det loft. Forskerne indrømmer også, at der stadig er et hul mellem model og menneske.

Fejl ved meget ens eller meget forskellige par

Modellen var mest præcis i intervallet 0,5-0,8 i afstand, fordi træningsdata samlede sig der. Tilfældigt sammensatte blandinger havner ifølge artiklen som regel i det interval.

Under 0,5 og over 0,8 blev fejlene større. Modellerne viste en tendens til at trække forudsigelserne mod midten. Meget ens par blev vurderet som lidt fjernere end i virkeligheden, og meget forskellige par som lidt tættere på.

Det er vigtigt for en parfumør. Den sværeste beslutning i praksis er at skelne mellem to versioner, der er ”næsten identiske, men alligevel forskellige på en eller anden måde”. Det er netop dér, nutidens modeller er svagest.

Den nye model vandt ikke altid

Da den anden prøve blev delt i fem intervaller efter afstand, havde det tidligere principale duftkort mindst fejl i det mest ens interval. I de fire andre lå fællesmodellen og modellen med kun duftord foran. Det viser, at et godt samlet gennemsnit ikke betyder, at alt er godt i hvert interval.

Hvad adskiller dem fra rigtige parfumer?

Undersøgelsen kan ikke overføres direkte til parfumer. Mellem laboratoriets blandinger og rigtige parfumer er der store forskelle.

• Blandinger med udlignet styrke — i de fleste data var ingrediensernes styrke justeret på forhånd. I en rigtig duft skjuler stærke ingredienser svage, og duftens karakter skifter med koncentrationen. Forskerne skriver, at håndteringen af styrke er en fremtidig opgave.
• Antal ingredienser — testblandingerne havde omkring 10 ingredienser. Forskerne forklarer, at dufte i hverdagen oftest er blandinger af titals eller hundredvis af molekyler.
• Begrænsede råvarer — udvalget af molekyler er snævert. Det vides endnu ikke, om metoden virker for molekyler, modellen ikke har set.
• Et øjebliks vurdering — undersøgelsen spurgte, hvor ens to dufte er. Den spurgte ikke, hvordan duften ændrer sig over tid, eller om folk kan lide den.

Det sidste punkt er særligt værd at huske. Afstanden siger kun, hvor forskellige to dufte er, ikke hvilken der er bedst.

Én ting er glædelig. Forskerne har gjort data, modeller og kode helt åbne. Det betyder, at alle kan afprøve bedre metoder på det samme problem. Det betyder dog ikke, at der findes et værktøj, hvor en parfumør kan indtaste to akkorder og straks få en afstand. Indtil videre er det nærmest en målestok for forskere.

Metamerer: forskellige ingredienser, samme duft

Et af datasættene i artiklen stammer fra en undersøgelse, der ville skabe lugtemetamerer. Metamerer er par af blandinger uden fælles ingredienser, som alligevel føles ens. Det minder om farvefænomenet, hvor lys med forskellig sammensætning ser ud som den samme farve.

Forskerne tror, at resultaterne gør det muligt effektivt at skabe virtuelle metamerer i computeren og afprøve dem i forsøg. Først udvælges kandidater ved beregning, derefter kontrolleres de af mennesker.

Forfatterne nævner en bred række anvendelsesområder: digital lugtesans, der lagrer og overfører dufte som data, teknologi, der følger helbredet for eksempel via udåndingsluften, elektroniske næser og generativt duftdesign. Det er dog fremtidige muligheder, og artiklen har ikke fremvist en designet parfume.

Kommentar: hvad artiklen siger til dem, der lærer parfumeri

Herfra er det ikke artiklens konklusioner, men GrassAccords tolkning.

At beskrive dufte er design, ikke smagsdom

Når man på et parfumekursus skal skrive råvarenoter, føles det besværligt for mange. Man kan jo lugte med næsen, så hvorfor skrive? Artiklen giver anledning til at se vanen med nye øjne. Nogle få duftord forklarede afstanden mellem blandinger bedre end en mængde molekyledata.

Computerens ord og menneskers noter er selvfølgelig ikke det samme. Men retningen er den samme. Når en duft deles op i ord, kan den sammenlignes. En note, der slutter med ”fin”, kan ikke bruges ved næste blanding, men ”kraftig græstone og vådt træ tilbage til sidst” kan.

Enkelte råvarer kommer først

Ordene var lært fra enkelte molekyler og forklarede alligevel blandinger. Samme rækkefølge gælder, når man lærer parfumeri. Den, der tydeligt kender indtrykket af én råvare, kan aflæse, hvad der er sket i blandingen. Tiden med at lugte til én råvare mange gange giver større udbytte på sigt end at lave mange akkorder.

Her kan det betale sig at låne en metode fra laboratoriet. Ligesom forskerne udlignede ingrediensernes styrke, bør fortyndingskoncentrationen være den samme, når råvarer sammenlignes. Er den ene stærkere, sammenlignes styrken og ikke råvarens karakter. Vurderinger af ufortyndede råvarer ændrer sig ofte efter fortynding.

Ord med snæver betydning virker bedst

Ordet naturlig er bekvemt, men rummer meget. Det kan betale sig at gå et trin længere og spørge, hvad der føles naturligt: nyslået græs, våd jord eller skrællet frugt? Som nævnt har artiklen ikke bevist det, men ved parfumørbordet mærker man hurtigt, at et ord med snæver betydning er mere brugbart i næste beslutning.

Samme indtryk kan bygges med andre råvarer

Begrebet metamer er en stor trøst også for begyndere. Selv om en råvare ikke kan skaffes eller er omfattet af regler, kan samme indtryk bygges op igen med andre råvarer. Der kræves ikke nødvendigvis de samme molekyler, for at noget føles ens.

Mange af de formler, GrassAccord sælger, bruger kendte parfumer som studiemateriale. Men ens er ikke det samme som identisk. Også denne undersøgelse handler om et øjebliks indtryk. Hvordan duften ændrer sig over tid, må følges på duftstrimlen.

Næsen er til at stole på, men ikke kun én gang

Selv gennemsnitlige menneskelige vurderinger giver 0,74 ved gentagelse. At to dufte, der var ens i går, føles forskellige i dag, behøver ikke at betyde, at der er noget galt med næsen. Vurderinger vakler nu engang. Vigtige beslutninger fortjener at blive lugtet til igen dagen efter og sammenlignet med den første note. Det er vaner, ikke tal, der beskytter dømmekraften.

Flere næser er bedre end én

Bedst i artiklen var ikke ét fremragende hold, men gennemsnittet af forskellige hold. Lugtning fungerer på lignende måde. Når det er svært at beslutte sig alene, er det værd at bede en anden lugte. En bemærkning som ”det dufter af sæbe” fra en, der ikke kender til parfumeri, kan blive et værdifuldt fingerpeg.

AI sorterer kun kandidaterne

Fremtiden, undersøgelsen peger på, er ikke så meget en verden uden parfumører som en verden, hvor beregninger sorterer kandidaterne, og mennesket beslutter med næsen. Modellen vurderer endnu ikke, hvad der er godt eller dårligt, og var svag i det sværeste interval, ”næsten identiske, men alligevel forskellige”. Det sidste stykke vej tilhører menneskets næse et godt stykke tid endnu.

Tre øvelser til at prøve straks ved parfumørbordet

Det ville være synd at stoppe ved læsningen. Vi skalerer forskernes arbejde ned og flytter det til parfumørbordet. Proportionerne bestemmes ud fra egne råvarer og egen smag.

Øvelse 1. En egen duftordliste

Man vælger ti råvarer, der bruges ofte, og dypper en duftstrimmel i hver af dem. For hver råvare skrives kun tre ord. Vurderinger som ”fin” udelades, og kun ord, der peger på duften, bruges, såsom frugt, græs, træ og sæbe. En uge senere skrives ordene igen med navnene skjult, og resultaterne sammenlignes. De ord, der står tilbage, er råvarens sande ansigt.

Øvelse 2. Trekanttest derhjemme

Man forbereder to lignende versioner. To af tre duftstrimler dyppes i samme version og én i den anden, og undersiden mærkes. En anden får lov at blande rækkefølgen, og derefter skal den afvigende vælges ud. Rammer man rigtigt igen og igen over flere runder, kan versionerne skelnes. Bliver antallet af rigtige på gætteniveau (én ud af tre), er de næsten identiske for næsen lige nu.

Øvelse 3. At måle næsens afstand

Afstanden mellem to dufte skrives som et tal mellem 0 og 1. 0 betyder, at de ikke kan skelnes, 1, at de er helt forskellige. Omkring fem par vurderes, og dagen efter gøres det samme igen i samme rækkefølge. Hvor meget tallene svinger, viser bredden af ens egen vurdering. Det gør ikke noget, at de svinger. At kende bredden er selve målet med øvelsen.

Det skal man være opmærksom på, når man læser artiklen

• Det er ikke en parfumeundersøgelse. Den handler om molekyleblandinger til forskning. Det betyder ikke, at resultaterne kan bruges direkte i parfumeformler.
• Prøveopgaverne er ikke mange. Den første prøve havde 46 par. Derfor kunne topholdene ikke rangordnes, og forskerne opfordrer til forsigtighed med resultater fra små grupper.
• Styrken ligger i midterintervallet. Træningsdata samler sig ved afstand 0,5-0,8, så modellen er svag for meget ens eller meget forskellige par.
• Data bygger på forskellige målemetoder. Trekanttest og pointvurdering blev ført over på en fælles skala, så skævheder afhængigt af metode kan være tilbage.
• Styrke behandles ikke tilstrækkeligt. De fleste ingredienser havde udlignet styrke. I rigtige dufte er styrken en stor variabel.
• Det vides ikke, om metoden virker for nye molekyler. Udvalget af molekyler i prøverne er snævert.
• Tolkningen har modstandere. Artiklen oplyser, at visse forskere ikke deler opfattelsen af, at blandingers duft i høj grad afgøres af, hvordan ordene overlapper.
• Rådgivning for virksomheder er oplyst. Artiklen oplyser, at nogle af forfatterne er rådgivere for virksomheder inden for lugtområdet.

Ord, der optræder i teksten

• Enkelt molekyle — et duftstof, der består af én slags molekyle.
• Blanding — flere molekyler, der er blandet. I denne undersøgelse omkring 10 ingredienser.
• Afstand — en værdi fra 0 til 1, der viser, hvor forskellige to dufte føles. 0 kan ikke skelnes, 1 er størst forskel.
• Trekanttest — en metode, der måler evnen til at skelne ved at vælge den afvigende af tre.
• Korrelationskoefficient — et tal, der viser, hvor godt to værdier bevæger sig sammen. Jo tættere på 1, jo mere følges de ad.
• Middelfejl (RMSE) — hvor stor forudsigelsens afvigelse fra virkeligheden er i gennemsnit. Jo mindre, jo bedre.
• Fællesmodel (ensemble) — en model skabt ved at tage gennemsnittet af flere modellers forudsigelser.
• Ordinformation (semantiske egenskaber) — værdier, som computeren forudsiger for, hvilke duftord et molekyle ville blive kaldt.
• Det principale duftkort (POM) — model fra en tidligere undersøgelse, der forudsiger duftord ud fra molekylstruktur. Mange hold i konkurrencen brugte den som råmateriale.
• Metamerer — par af blandinger, der føles ens, selv om ingredienserne ikke overlapper.
• Akkord — en duftenhed, hvor flere råvarer er blandet, så de opfattes som ét samlet indtryk.
• Formel — tegningen, der angiver, hvilke råvarer der skal blandes i hvilke forhold for at skabe én duft. Det er det, GrassAccord sælger.

Til slut

Næsen har endnu ingen regler som rød, grøn og blå. Men det første spor, som 26 hold fandt i fællesskab, lå uventet på det menneskelige sprogs side. Nogle få ord for dufte forklarede afstanden mellem to dufte bedre end lange beskrivelser af molekyler.

Og det er stadig menneskets næse, der måler den afstand helt til sidst. Næsen vakler, og modellerne trækkes mod midten. Ingen af dem er perfekte, og derfor er det stadig mest pålideligt at lugte langsomt til duftstrimlen, skrive ordene ned og lugte igen dagen efter.

For den, der lige er begyndt med parfumeri, er det gode nyheder. Uden dyrt udstyr, kun med duftstrimler og en notesbog, kan man træde ind på den vej, undersøgelsen har peget på. Duft er et universelt sprog. GrassAccord vil gerne være med på vejen, når sprogets ord samles ét ad gangen.

Kilde: Vahid Satarifard, Laura Sisson, Yikun Han m.fl. "A semantic-based community model for high-fidelity tuning of olfactory mixture distances." PNAS 123(32), e2611057123, udgivet den 4. august 2026. Original: https://doi.org/10.1073/pnas.2611057123 · Alle tal i teksten stammer fra artiklen, og teksten er GrassAccords sammenfatning og kommentar. Afsnittet ”Kommentar” er ikke artiklens konklusioner, men GrassAccords tolkning.