गंध मिश्रण का राज़ शब्दों में छिपा है — GrassAccord समझाता है शोधपत्र "गंध मिश्रणों की दूरी का अनुमान"

मान लीजिए आपकी नाक के सामने दो स्मेलिंग स्ट्रिप रखी हैं। एक पर 10 अणुओं का गंध मिश्रण है। दूसरी पर भी 10 अणु हैं, लेकिन दोनों में एक भी अणु साझा नहीं है। फिर भी नाक को दोनों सुगंध काफ़ी मिलती-जुलती लगती हैं।

ऐसा क्यों होता है? और क्या मिलाने से पहले ही नतीजा जाना जा सकता है? पिछले अगस्त में अमेरिकी राष्ट्रीय विज्ञान अकादमी की पत्रिका (PNAS) में छपा एक शोधपत्र इसी पुराने सवाल पर दुनिया की 26 शोध टीमों की साझा कोशिश का लेखा-जोखा है।

नतीजा चौंकाने वाला था। मिश्रण की गंध का अनुमान लगाने की सबसे अच्छी कुंजी अणुओं की बनावट को सीधे पढ़ना नहीं निकली। अनुमान तब सबसे सटीक हुआ जब वह "फल जैसा", "घास जैसा" जैसे गंध को नाम देने वाले शब्दों से होकर गुज़रा।

अगर आपने अभी-अभी परफ़्यूम बनाना शुरू किया है, तो शायद ये सवाल आपके मन में भी आए होंगे।

• क्या सुगंध को शब्दों में लिखने से सच में हुनर बढ़ता है?
• कल जो दो सुगंध मिलती-जुलती थीं, आज अलग लग रही हैं। क्या मेरी नाक में कोई गड़बड़ है?
• क्या जल्द ही एआई मेरी जगह अकॉर्ड बनाने लगेगा?

यह शोधपत्र तीनों सवालों के संकेत देता है। शुरुआती हिस्से में हम बताएँगे कि शोध टीम ने क्या किया और क्या पाया, और बाद के हिस्से में अपनी व्याख्या जोड़ेंगे कि परफ़्यूम बनाना सीखने वाले इन नतीजों को मेज़ पर कैसे इस्तेमाल कर सकते हैं। अनजान शब्द सबसे नीचे अलग से समझाए गए हैं, इसलिए आराम से पढ़िए।

पहले, यह शोधपत्र है क्या

• शीर्षक: A semantic-based community model for high-fidelity tuning of olfactory mixture distances (शब्दों के अर्थ के आधार पर गंध मिश्रणों के बीच की दूरी को बारीकी से साधने वाला साझा मॉडल)
• लेखक: वाहिद सतारीफ़र्द (Vahid Satarifard) और पाब्लो मेयर (Pablo Meyer) की अगुवाई वाला बड़ा साझा शोध दल। इसमें येल विश्वविद्यालय, रॉकफ़ेलर विश्वविद्यालय, मोनेल केमिकल सेंसेज़ सेंटर, वाइज़मैन संस्थान और IBM Research समेत कई देशों के संस्थान शामिल हैं। गंध पर शोध के लिए जाने जाने वाले लेस्ली बी. वॉसहॉल (Leslie B. Vosshall), नोआम सोबेल (Noam Sobel) और जोएल डी. मेनलैंड (Joel D. Mainland) भी सह-लेखक हैं।
• कहाँ छपा: अमेरिकी राष्ट्रीय विज्ञान अकादमी की पत्रिका (PNAS), खंड 123, अंक 32, 4 अगस्त 2026 को प्रकाशित। यह पत्रिका की समीक्षा से गुज़रा शोधपत्र है।
• मूल शोधपत्र पढ़ें: doi.org/10.1073/pnas.2611057123 — कोई भी मुफ़्त में पढ़ सकता है (अंग्रेज़ी में)।
• ध्यान देने की बात: यह शोध परफ़्यूम पर नहीं, बल्कि शोध के लिए बने अणु मिश्रणों पर है। लेखक भी परफ़्यूम डिज़ाइन का ज़िक्र सिर्फ़ भविष्य के उपयोगों में से एक के रूप में करते हैं।

यह शोधपत्र हमने क्यों चुना

हमारी पहली शोधपत्र प्रस्तुति में हमने क़रीब 1.7 लाख परफ़्यूम को आँकड़ों के सहारे ऊपर से देखा था। वह बाज़ार और संस्कृति का नक़्शा था। इस बार दिशा बिल्कुल उलटी है। हम दो स्मेलिंग स्ट्रिप के सामने बैठे इंसान की नाक के भीतर झाँक रहे हैं।

परफ़्यूम बनाना आख़िरकार मिलाने का काम है। लेकिन आँख और कान के पास जो नियम हैं, वे नाक के पास अभी नहीं हैं। लाल, हरे और नीले से हम स्क्रीन के रंग बनाते हैं, और ध्वनि को आवृत्तियों में बाँटकर समझा सकते हैं। शोध टीम कहती है कि गंध के लिए अभी ऐसा कोई ढाँचा नहीं है। इसीलिए परफ़्यूमर लंबे समय से अनुभव और नाक के भरोसे रहे हैं।

यह शोधपत्र उस ख़ाली जगह पर पहली बार एक काफ़ी मज़बूत पुल बनाता है। पुल पूरा नहीं है। फिर भी यह ईमानदारी से दिखाता है कि हम कहाँ तक पहुँचे हैं और रास्ता कहाँ टूटता है, इसलिए परफ़्यूम बनाना सीखने वालों के लिए यह अच्छी पढ़ाई है।

नाक का नक़्शा बनाने की कोशिश

मुख्य बात पर आने से पहले देखते हैं कि यह प्रतियोगिता हुई ही क्यों।

एक अणु की गंध का अंदाज़ा अब काफ़ी हद तक लगता है

सिर्फ़ अणु की संरचना देखकर गंध बताना बरसों तक कुख्यात पहेली रहा। लेकिन पिछले दस सालों में हालात बदले। पहली DREAM गंध प्रतियोगिता ने दिखाया कि कंप्यूटर अणु की संरचना से लहसुन, मीठा, फूलों जैसे गंध के वर्णन का अनुमान लगा सकता है।

2023 में मुख्य गंध मानचित्र (POM) नाम का मॉडल आया। यह अणुओं की संरचना को गंध के स्थान पर बिठाने वाला नक़्शा है। शोधपत्र के अनुसार, गंध के वर्णन का अनुमान लगाने में इस मॉडल ने मूल्यांकन पैनल के मध्यम स्तर के व्यक्ति से बेहतर नतीजे दिए। इस प्रतियोगिता की कई टीमों ने इसी नक़्शे को सामग्री के रूप में इस्तेमाल किया।

लेकिन दुनिया की ज़्यादातर गंध मिश्रित होती हैं

असली मुश्किल इसके बाद आती है। कॉफ़ी, फूल, परफ़्यूम जैसी रोज़ की गंध आमतौर पर दर्जनों, सैकड़ों अणुओं का मिश्रण होती हैं। एक अणु का अनुमान सही हो, पर मिलाने के बाद का अनुमान न लगे, तो असली दुनिया में उसका इस्तेमाल मुश्किल है।

जिन्होंने परफ़्यूम बनाकर देखा है, वे यह मुश्किल अच्छी तरह जानते हैं। दो अच्छे कच्चे माल मिलाए और उम्मीद से बिल्कुल अलग सुगंध निकली, या डाला हुआ कच्चा माल जैसे ग़ायब ही हो गया। मिश्रणों के अनुमान के लिए एक खुले मानक की ज़रूरत थी, और इसीलिए कई टीमों के एक ही समस्या पर मुक़ाबले वाली प्रतियोगिता हुई।

26 टीमों की प्रतियोगिता कैसे चली

बिखरे प्रयोग एक जगह जुटाए गए

शोध टीम ने पहले अलग-अलग हुए तीन अध्ययनों के छह डेटा सेट को एक किया। जोड़ने पर आकार यह निकला।

• 168 एकल अणु
• 731 अलग-अलग मिश्रण
• दो मिश्रणों की तुलना वाले 507 माप

प्रयोग के तरीक़े अलग-अलग थे, इसलिए सभी नतीजे एक ही पैमाने पर लाए गए। 0 का मतलब है कि दोनों सुगंध में फ़र्क़ नहीं किया जा सकता, और 1 का मतलब है कि वे जितनी अलग हो सकती हैं उतनी अलग हैं। शोध टीम इस संख्या को गंध की दूरी कहती है। जैसे नक़्शे पर दो शहरों के बीच की दूरी नापते हैं, वैसे ही दो सुगंधों के बीच की दूरी नापी जाती है।

तीन महीने का मुक़ाबला

इस प्रतियोगिता का नाम DREAM Challenge है। इसमें कई टीमें एक ही समस्या पर अनुमान की क्षमता का खुला मुक़ाबला करती हैं। 26 टीमों ने क़रीब तीन महीने तक अपने एआई मॉडल निखारे, और सही जवाब छिपाए गए 46 मिश्रण जोड़ों पर आख़िरी परीक्षा दी।

अभ्यास के सवालों के जवाब हफ़्ते में तीन बार तक जमा करके अंक देखे जा सकते थे। प्रतियोगिता के दौरान अभ्यास के 159 अनुमान जमा हुए, और आख़िरी परीक्षा तक 19 टीमें पहुँचीं।

फ़ैसला साफ़ नहीं निकला। D2Smell, UMich CASI, ChemSenSim Lab और belfaction, ये चार टीमें संयुक्त रूप से पहले स्थान पर रहीं। शोध टीम का मानना है कि परीक्षा में सिर्फ़ 46 जोड़े होने से फ़र्क़ पहचानना मुश्किल रहा होगा। इसलिए एक टीम चुनने की जगह उन्होंने शीर्ष छह मॉडलों के अनुमानों का औसत निकालने वाला संयुक्त मॉडल बनाया। इस शोधपत्र का नायक यही संयुक्त मॉडल है।

इंसानी नाक से दो बार जाँच

एआई के जवाब जाँचने का काम इंसानी नाक ने किया। परीक्षा दो बार हुई।

• पहली परीक्षा (न्यूयॉर्क, रॉकफ़ेलर विश्वविद्यालय) — 34 लोगों ने भाग लिया। 92 मिश्रणों से 46 जोड़े बने, और हर मिश्रण एक-दूसरे से न मिलने वाले 10 घटकों से बना था। तीन बोतलों में से अलग गंध वाली को चुनने का त्रिकोण परीक्षण इस्तेमाल हुआ।
• दूसरी परीक्षा (फ़िलाडेल्फ़िया, मोनेल केमिकल सेंसेज़ सेंटर) — प्रतियोगिता ख़त्म होने के बाद 16 लोगों ने भाग लिया। नए बनाए 59 मिश्रणों से 50 जोड़े बने, और हर मिश्रण में 9–11 घटक थे। दोनों सुगंध कितनी मिलती-जुलती हैं, इस पर प्रतिभागियों ने सीधे अंक दिए।

दूसरी परीक्षा में एक दिलचस्प सुरक्षा उपाय था। लहसुन की गंध वाले अणु की तुलना अनानास की गंध वाले अणु से कराई गई, और स्ट्रॉबेरी की गंध वाले अणु की तुलना उसी से कराई गई। प्रतिभागियों ने पहले जोड़े को दूर और दूसरे जोड़े को बहुत पास माना। यह इस बात का सबूत है कि पैमाना ठीक काम कर रहा है।

दो संख्याएँ पहले समझ लीजिए

इस शोधपत्र में दो संख्याएँ बार-बार आती हैं। ये कठिन लग सकती हैं, इसलिए थोड़ा अंदाज़ा ले लेते हैं।

सहसंबंध गुणांक बताता है कि अनुमान और असलियत कितना एक ही दिशा में चलते हैं। 1 हो तो पूरी तरह साथ चलते हैं, और 0 हो तो कोई संबंध नहीं। 0.61 का मतलब 61% सही होना नहीं है। इतना समझना काफ़ी है कि लोगों को जो जोड़े ज़्यादा दूर लगे, उन्हें मॉडल भी आमतौर पर ज़्यादा दूर बताता है।

औसत त्रुटि (शोधपत्र में RMSE) बताती है कि अनुमान असली दूरी से औसतन कितना भटका। यह जितनी छोटी हो उतना अच्छा। 0.08 का मतलब है कि 0–1 के पैमाने पर लगभग इतना चूक हुई।

तो सहसंबंध गुणांक को "क्रम सही पकड़ता है या नहीं" और औसत त्रुटि को "मान के कितना पास है" के रूप में याद रखिए।

संयुक्त मॉडल का अनुमान कितना सही था

पुराने तरीक़ों से काफ़ी आगे निकला

पहली परीक्षा में संयुक्त मॉडल ने औसत त्रुटि 0.08 और सहसंबंध गुणांक 0.57 दर्ज किया। मौजूदा प्रमुख तरीक़ों की तुलना में त्रुटि क़रीब 33% घटी और सहसंबंध गुणांक 53% बढ़ा। यह प्रतियोगिता की किसी भी एक टीम के मॉडल से भी बेहतर था।

यहाँ एक बात ध्यान देने लायक़ है। प्रतियोगिता के बाद शोध टीम ने सिर्फ़ सबसे ज़रूरी दिखने वाली विशेषताएँ चुनकर एक नया मॉडल बनाया। लेकिन यह संयुक्त मॉडल की बराबरी नहीं कर सका और शीर्ष अकेली टीमों के स्तर पर ही रहा। शोध टीम की व्याख्या यह है कि अच्छी सामग्री चुनना काफ़ी नहीं, उस स्तर तक तभी पहुँचा जाता है जब अलग-अलग तरीक़े एक साथ आएँ।

नए सवालों पर भी टिका रहा

जो मॉडल सिर्फ़ प्रतियोगिता के सवाल अच्छे से हल करे, वह कम काम का है। इसलिए प्रतियोगिता के बाद नए बनाए 50 जोड़ों पर फिर से परीक्षा हुई। संयुक्त मॉडल की औसत त्रुटि 0.13 तक बढ़ी, पर प्रदर्शन अच्छा बना रहा। परीक्षा की जगह, प्रतिभागी और तरीक़ा सब अलग थे, यह देखते हुए यह अहम है।

सवाल के प्रकार के हिसाब से नतीजे अलग थे

आख़िरी परीक्षा के 46 जोड़े तीन समूहों में बँटे थे: बेतरतीब बने 16 जोड़े, मिलते-जुलते लगने के लिए इंसानों के बनाए 20 जोड़े, और दूरी की मौजूदा गणना से मिलते-जुलते बनाए 10 जोड़े। भाग लेने वाली टीमों को नहीं पता था कि कौन-सा जोड़ा किस समूह का है।

संयुक्त मॉडल की औसत त्रुटि बनाए गए दो समूहों में 0.07 और 0.06 के साथ कम रही, और बेतरतीब समूह में 0.10 रही। सहसंबंध गुणांक में उलटा हुआ: बेतरतीब समूह 0.45 के साथ थोड़ा ऊपर रहा, और बाक़ी दो समूह 0.38 पर रहे। शोध टीम ने जोड़ा कि जोड़ों की संख्या कम होने से छोटे समूहों की संख्याओं को सावधानी से पढ़ना चाहिए।

शब्दों ने अणु संरचना को हरा दिया

इस शोधपत्र का सबसे ज़्यादा उद्धृत होने वाला नतीजा शायद यही होगा।

सिर्फ़ शब्द रहने पर नतीजा और बेहतर हुआ

शोध टीम ने मॉडल से सामग्री एक-एक करके हटाने का प्रयोग किया। अणुओं की रासायनिक विशेषताएँ, शरीर के रिसेप्टर की जानकारी और मिश्रण की जानकारी सब हटाकर सिर्फ़ गंध को नाम देने वाले शब्दों से जुड़ी जानकारी रखी गई।

नतीजा हैरान करने वाला था। सिर्फ़ शब्दों वाले संयुक्त मॉडल ने पहली परीक्षा में सहसंबंध गुणांक 0.61 और औसत त्रुटि 0.075 दर्ज की, जो सारी सामग्री वाले संयुक्त मॉडल से भी बेहतर थी। दूसरी परीक्षा में भी सहसंबंध गुणांक 0.54 के साथ 15% ज़्यादा रहा।

इसके उलट, शब्द हटाए गए मॉडल का प्रदर्शन बहुत गिर गया। पहली परीक्षा में सहसंबंध गुणांक 0.41 तक गिरा, और दूसरी परीक्षा में वह तुक्के के स्तर के क़रीब पहुँच गया।

यहाँ शब्दों का मतलब क्या है

यहाँ ग़लतफ़हमी आसान है, इसलिए साफ़ कर लेते हैं। लोगों ने मिश्रण सूँघकर जो नोट लिखे, वे मॉडल में नहीं डाले गए। कंप्यूटर अणु की संरचना देखकर पहले अनुमान लगाता है कि "लोग इस अणु को क्या कहेंगे।" फल की गंध, घास की गंध जैसे 138 शब्दों को संभावना देता है। इस तरह मिले शब्दों के मेल से दो मिश्रणों की तुलना की जाती है।

यानी अणु से सीधे गंध की दूरी तक नहीं जाया जाता, बल्कि शब्दों के बीच के पड़ाव से होकर जाया जाता है। हैरानी की बात यह है कि ये शब्द मिश्रणों से नहीं, शुद्ध एकल अणुओं से सीखे गए थे, फिर भी उन्होंने मिश्रणों की दूरी अच्छी तरह समझाई।

शोध टीम यहाँ एक क़दम और आगे जाती है। हो सकता है कि मिश्रण की गंध एकल अणु की गंध से बुनियादी रूप से अलग सिद्धांत पर न बनती हो। उनका मानना है कि मुश्किल हिस्सा "मिलाने के चरण" से ज़्यादा "अणु से गंध तक पहुँचने के चरण" में हो सकता है। हालाँकि शोधपत्र यह भी लिखता है कि कुछ शोधकर्ता इस राय से सहमत नहीं हैं।

गंध के कौन-से शब्द सबसे ताक़तवर निकले

एक टीम ने 138 शब्दों को 12 समूहों में बाँटा। उस टीम के मॉडल में सबसे ज़्यादा असर वाले समूह थे फल की गंध, घास और जड़ी-बूटी की गंध, और मेवे, तेल व भुने की गंध।

हर शब्द का प्रदर्शन भी अलग था। उसी टीम के विश्लेषण में ग्रीन, क्लीन और कॉन्यैक त्रुटि घटने की ओर से जुड़े, जबकि वायलेट, एरोमैटिक और नैचुरल त्रुटि बढ़ने की ओर से जुड़े। शोध टीम ने साफ़ किया कि इस नतीजे की सीधी व्याख्या करना मुश्किल है। फिर भी नैचुरल जैसे व्यापक अर्थ वाले शब्द का इसमें होना दिलचस्प है। यह हमारी अपनी राय है, शोधपत्र का निष्कर्ष नहीं।

बहुत ज़्यादा सामग्री की ज़रूरत नहीं पड़ी

शोध टीम ने हर मॉडल के लिए सबसे असरदार विशेषताओं को क्रम से जोड़कर देखा। ज़्यादा सटीक मॉडलों में से तीन 100 से कम विशेषताओं में कुल असर के आधे तक पहुँच गए। एक मॉडल को क़रीब 1,000 की ज़रूरत पड़ी, यानी फ़र्क़ बड़ा है। मतलब यह कि गंध की दूरी समझाने के लिए बहुत-सी जटिल सामग्री ज़रूरी नहीं।

इंसानी नाक भी डगमगाती है

इंसान का अपना रिकॉर्ड ही ऊपरी सीमा है

यह शोधपत्र का सबसे ईमानदार हिस्सा है। शोध टीम ने यह भी नापा कि वही लोग दोबारा आँकने पर कितना वही जवाब देते हैं। दूसरी परीक्षा में प्रतिभागियों ने कम से कम एक दिन के अंतर से दो बार आँका, और दोनों नतीजों का सहसंबंध गुणांक 0.74 रहा। पहली परीक्षा को आधा-आधा बाँटकर तुलना करने से 0.69 मिला।

सोचें तो यह स्वाभाविक है। लोगों के औसत फ़ैसले भी पूरी तरह नहीं दोहराए जाते। इसलिए मॉडल का इंसान से ज़्यादा इंसान जैसा जवाब देना मुश्किल है। सिर्फ़ शब्दों वाले मॉडल के 0.61 और 0.54 अभी इस ऊपरी सीमा तक नहीं पहुँचे। शोध टीम भी मानती है कि मॉडल और इंसान के बीच अभी फ़ासला बाक़ी है।

बहुत मिलती-जुलती या बहुत अलग गंध पर चूक

मॉडल सबसे सटीक 0.5–0.8 दूरी के दायरे में था, क्योंकि प्रशिक्षण डेटा इसी दायरे में जमा है। बताया गया है कि बेतरतीब मिलाए गए मिश्रण आमतौर पर इसी दायरे में आते हैं।

इसके उलट, 0.5 से नीचे और 0.8 से ऊपर त्रुटि बढ़ गई। मॉडलों ने अनुमान को बीच की ओर खींचने की आदत दिखाई। बहुत मिलते-जुलते जोड़ों को वे असल से थोड़ा दूर, और बहुत अलग जोड़ों को असल से थोड़ा पास मानते हैं।

परफ़्यूमर के लिए यह अहम बात है। काम का सबसे कठिन फ़ैसला उन दो ट्रायल को अलग करना है जो "लगभग एक जैसे हैं, पर कहीं कुछ अलग है"। आज के मॉडल इसी दायरे में सबसे कमज़ोर हैं।

नया मॉडल हमेशा नहीं जीता

दूसरी परीक्षा को दूरी के हिसाब से पाँच दायरों में बाँटने पर, सबसे मिलते-जुलते दायरे में पहले के मॉडल मुख्य गंध मानचित्र की त्रुटि कम थी। बाक़ी चार दायरों में संयुक्त मॉडल और सिर्फ़ शब्दों वाला मॉडल आगे रहे। यह दिखाता है कि कुल औसत अच्छा होने का मतलब हर दायरे में अच्छा होना नहीं।

असली परफ़्यूम से क्या फ़र्क़ है

इस शोध को जस का तस परफ़्यूम पर लागू करना ठीक नहीं। प्रयोगशाला के मिश्रण और असली परफ़्यूम में बड़े फ़र्क़ हैं।

• तीव्रता मिलाए गए मिश्रण — ज़्यादातर डेटा में घटकों की तीव्रता पहले से बराबर की गई थी। असली सुगंध में तेज़ घटक कमज़ोर घटक को ढक लेता है, और सांद्रता के साथ गंध का स्वभाव भी बदलता है। शोध टीम ने लिखा कि तीव्रता को सँभालना आगे का काम है।
• घटकों की संख्या — परीक्षा के मिश्रणों में क़रीब 10 घटक थे। शोध टीम बताती है कि रोज़ की गंध आमतौर पर दर्जनों, सैकड़ों अणुओं का मिश्रण होती हैं।
• सीमित कच्चा माल — इस्तेमाल किए गए अणुओं का दायरा छोटा है। नए अणुओं पर यह काम करेगा या नहीं, अभी पता नहीं।
• एक पल का फ़ैसला — इस शोध ने पूछा कि दो सुगंध कितनी मिलती-जुलती हैं। यह नहीं पूछा कि समय के साथ सुगंध कैसे बदलती है, या लोगों को वह पसंद है या नहीं।

आख़िरी बात ख़ास तौर पर याद रखिए। दूरी बताती है कि दो सुगंध कितनी अलग हैं, यह नहीं कि कौन-सी बेहतर है।

एक ख़ुशी की बात भी है। शोध टीम ने डेटा, मॉडल और कोड सब सार्वजनिक कर दिए हैं। यानी कोई भी इसी समस्या पर बेहतर तरीक़े आज़मा सकता है। लेकिन सार्वजनिक होने का मतलब यह नहीं कि ऐसा औज़ार बन गया है जिसमें परफ़्यूमर दो अकॉर्ड डालकर तुरंत दूरी पा ले। फ़िलहाल यह शोधकर्ताओं के लिए एक आधार-रेखा जैसा है।

मेटामर: सामग्री अलग, सुगंध एक जैसी

शोधपत्र का एक डेटा सेट गंध के मेटामर बनाने की कोशिश वाले शोध से आया। मेटामर ऐसे मिश्रण जोड़े को कहते हैं जिनमें कोई साझा घटक न हो, फिर भी वे मिलते-जुलते लगें। रंगों में यह वैसा है जैसे रोशनी की बनावट अलग होने पर भी एक ही रंग दिखे।

शोध टीम का अनुमान है कि इन नतीजों से कंप्यूटर पर आभासी मेटामर कुशलता से बनाकर प्रयोग किए जा सकेंगे। पहले गणना से उम्मीदवार चुने जाएँगे, फिर इंसान जाँचेंगे।

लेखकों के गिनाए उपयोग व्यापक हैं: गंध को डेटा के रूप में सहेजने और भेजने वाली डिजिटल गंध, साँस आदि से सेहत पर नज़र रखने वाली तकनीक, इलेक्ट्रॉनिक नाक, और जनरेटिव सुगंध-सामग्री डिज़ाइन। लेकिन ये भविष्य की संभावनाएँ हैं, इस शोधपत्र ने परफ़्यूम डिज़ाइन करके नहीं दिखाया।

व्याख्या: परफ़्यूम बनाना सीखने वालों से यह शोधपत्र क्या कहता है

यहाँ से आगे शोधपत्र का निष्कर्ष नहीं, बल्कि GrassAccord की व्याख्या है।

सुगंध को शब्दों में लिखना भावना नहीं, डिज़ाइन है

परफ़्यूम की कक्षा में कच्चे माल के नोट लिखने को कहा जाए तो कई लोगों को यह झंझट लगता है। नाक से तो सूँघ ही रहे हैं, लिखने की क्या ज़रूरत? यह शोधपत्र उस आदत को फिर से देखने को कहता है। क्योंकि अणुओं की ढेर सारी जानकारी से ज़्यादा, गंध के कुछ शब्दों ने मिश्रणों की दूरी बेहतर समझाई।

बेशक कंप्यूटर के शब्द और इंसान के नोट एक नहीं हैं। फिर भी दिशा एक है। सुगंध को शब्दों में बाँट दें तो तुलना संभव हो जाती है। "अच्छा है" पर ख़त्म होने वाला नोट अगले मिश्रण के काम नहीं आता, पर "घास की गंध तेज़ है, अंत में गीली लकड़ी बचती है" वाला नोट काम आता है।

एकल कच्चे माल से शुरुआत कीजिए

शब्द एकल अणुओं से सीखे गए, फिर भी उन्होंने मिश्रण समझाए। परफ़्यूम सीखने का क्रम भी ऐसा ही है। एक कच्चे माल की छाप साफ़ पहचान लें, तो मिलाने पर क्या हुआ यह पढ़ा जा सकता है। ढेर सारे अकॉर्ड बनाने से ज़्यादा, एक कच्चे माल को बार-बार सूँघने का समय आगे ज़्यादा लौटाता है।

यहाँ प्रयोगशाला का एक तरीक़ा उधार लेना अच्छा रहेगा। जैसे शोध टीम ने घटकों की तीव्रता बराबर की, वैसे ही कच्चे माल की तुलना करते समय तनुकरण की सांद्रता बराबर रखिए। अगर एक ही गाढ़ा हो, तो आप स्वभाव नहीं, तीव्रता की तुलना कर रहे होंगे। बिना घोले सूँघकर किया गया फ़ैसला तनु करके सूँघने पर अक्सर बदल जाता है।

सँकरे अर्थ वाले शब्द चुनिए

नैचुरल शब्द आसान है, पर इसमें बहुत कुछ समा जाता है। एक क़दम और नीचे उतरिए: क्या नैचुरल है? कटी घास है, गीली मिट्टी है, या छिला हुआ फल है, यह लिखिए। जैसा पहले कहा, शोधपत्र ने यह साबित नहीं किया, लेकिन सँकरे अर्थ वाला शब्द अगले फ़ैसले में ज़्यादा काम आता है, यह आप मेज़ पर जल्दी ही देख सकते हैं।

वही छाप दूसरी सामग्री से बनाइए

मेटामर का विचार शुरुआती लोगों के लिए भी बड़ी राहत है। कोई कच्चा माल न मिले या नियमों में अटक जाए, तब भी वही छाप दूसरी सामग्री से फिर बनाई जा सकती है। मिलता-जुलता महसूस होने के लिए वही अणु ज़रूरी नहीं।

GrassAccord के बेचे जाने वाले कई फ़ॉर्मूले भी मशहूर परफ़्यूम को पढ़ाई की सामग्री बनाते हैं। लेकिन मिलता-जुलता होना और एक जैसा होना अलग बातें हैं। इस शोध ने भी एक पल की छाप को ही परखा है। समय के साथ सुगंध कैसे बदलती है, यह स्मेलिंग स्ट्रिप रखकर ख़ुद देखना होगा।

अपनी नाक पर भरोसा कीजिए, पर सिर्फ़ एक बार की नाक पर नहीं

लोगों का औसत फ़ैसला भी दोबारा नापने पर 0.74 देता है। कल मिलती-जुलती दो सुगंध आज अलग लगें, तो हो सकता है नाक में कोई गड़बड़ न हो। फ़ैसले स्वभाव से ही डगमगाते हैं। ज़रूरी फ़ैसलों में अगले दिन फिर सूँघिए और पहले लिखे नोट से मिलाइए। फ़ैसले को संख्या नहीं, आदत बचाती है।

कई नाक एक नाक से बेहतर हैं

इस शोधपत्र में सबसे अच्छा नतीजा एक शानदार टीम का नहीं, बल्कि अलग-अलग टीमों के औसत का था। सूँघने में भी ऐसा ही है। अकेले फ़ैसला न हो पाए तो किसी और से सुंघवाइए। परफ़्यूम न जानने वाले का "साबुन जैसा लगता है" कह देना भी आपके लिए क़ीमती संकेत बन सकता है।

एआई सिर्फ़ विकल्प कम करता है

यह शोध जिस भविष्य की ओर इशारा करता है, वह परफ़्यूमर के ग़ायब होने वाली दुनिया से ज़्यादा ऐसी दुनिया है जहाँ गणना विकल्प कम करती है और इंसान नाक से फ़ैसला करता है। मॉडल ने अभी अच्छे-बुरे का फ़ैसला नहीं किया, और सबसे कठिन "लगभग एक जैसे पर अलग" दायरे में वह कमज़ोर था। वह आख़िरी दायरा कुछ समय तक इंसानी नाक का ही रहेगा।

परफ़्यूमर की मेज़ पर तुरंत करने लायक तीन अभ्यास

शोधपत्र पढ़कर ही रुक जाना अफ़सोस की बात होगी। शोध टीम के काम को छोटा करके मेज़ पर लाते हैं। अनुपात अपने कच्चे माल और पसंद के हिसाब से तय कीजिए।

अभ्यास 1. अपनी सुगंध शब्दावली बनाइए

अक्सर इस्तेमाल होने वाले दस कच्चे माल चुनकर एक-एक करके स्मेलिंग स्ट्रिप पर लगाइए। हर कच्चे माल के लिए सिर्फ़ तीन शब्द लिखिए। "अच्छा" जैसे मूल्यांकन के शब्द छोड़िए, और फल, घास, लकड़ी, साबुन जैसे गंध की ओर इशारा करने वाले शब्द इस्तेमाल कीजिए। एक हफ़्ते बाद नाम छिपाकर फिर लिखिए और मिलाइए। जो शब्द नहीं बदले, वही उस कच्चे माल का असली चेहरा हैं।

अभ्यास 2. घर पर त्रिकोण परीक्षण

दो मिलते-जुलते ट्रायल तैयार कीजिए। तीन स्मेलिंग स्ट्रिप में से दो पर एक ही ट्रायल और एक पर दूसरा ट्रायल लगाइए, और नीचे की तरफ़ निशान बना लीजिए। किसी और से क्रम बदलवाकर अलग वाली चुनिए। कई बार करने पर लगातार सही हों तो दोनों ट्रायल अलग पहचानी जाने वाली सुगंध हैं, और सही होने की संख्या तुक्के के स्तर (तीन में एक बार) पर रहे तो आपकी नाक के लिए अभी वे लगभग एक ही सुगंध हैं।

अभ्यास 3. अपनी नाक की दूरी नापिए

दो सुगंधों की दूरी 0 से 1 के बीच की संख्या में लिखिए। 0 यानी फ़र्क़ नहीं पता चलता, 1 यानी बिल्कुल अलग। क़रीब पाँच जोड़े लिखिए और अगले दिन उसी क्रम में फिर अंक दीजिए। संख्याएँ कितनी डगमगाती हैं, यह देखकर अपने फ़ैसले की चौड़ाई पता चलती है। डगमगाना ठीक है। इस अभ्यास का मक़सद उस चौड़ाई को जानना ही है।

इस शोधपत्र को पढ़ते समय क्या ध्यान रखें

• यह परफ़्यूम का शोध नहीं है। इसमें शोध के लिए बने अणु मिश्रण हैं। इसका मतलब यह नहीं कि यह परफ़्यूम के फ़ॉर्मूले पर सीधे लागू होता है।
• परीक्षा के सवाल कम हैं। पहली परीक्षा में 46 जोड़े हैं। इसलिए शीर्ष टीमों का क्रम तय नहीं हो सका, और शोध टीम ने छोटे समूहों के नतीजे सावधानी से पढ़ने को लिखा।
• बीच के दायरे में मज़बूत है। प्रशिक्षण डेटा 0.5–0.8 दूरी में जमा होने से बहुत मिलते-जुलते या बहुत अलग जोड़ों पर कमज़ोर है।
• डेटा के मापने के तरीक़े मिले-जुले हैं। त्रिकोण परीक्षण और अंक देने को एक पैमाने पर लाया गया, इसलिए तरीक़े से जुड़ा झुकाव बचा रह सकता है।
• तीव्रता पर पूरा ध्यान नहीं दिया जा सका। ज़्यादातर तीव्रता बराबर किए गए घटक इस्तेमाल हुए। असली सुगंध में तीव्रता बड़ा कारक है।
• नए अणुओं पर चलेगा या नहीं, पता नहीं। परीक्षा में इस्तेमाल अणुओं का दायरा छोटा है।
• व्याख्या पर असहमति है। शोधपत्र ने बताया कि कुछ शोधकर्ता इस राय से सहमत नहीं कि मिश्रण की गंध ज़्यादातर शब्दों के मेल से तय होती है।
• कंपनियों से सलाहकार संबंध घोषित हैं। शोधपत्र ने बताया कि कुछ लेखक गंध से जुड़ी कंपनियों को सलाह देते हैं।

इस लेख में आए शब्द

• एकल अणु — एक ही तरह के अणु से बना सुगंध पदार्थ।
• मिश्रण — कई अणुओं को मिलाकर बनी चीज़। इस शोध में क़रीब 10 घटक हैं।
• दूरी — दो गंध कितनी अलग लगती हैं, इसे 0–1 में बताने वाला मान। 0 यानी फ़र्क़ नहीं, 1 यानी सबसे अलग।
• त्रिकोण परीक्षण — तीन में से अलग वाली को चुनवाकर पहचान की क्षमता नापने का तरीक़ा।
• सहसंबंध गुणांक — दो मान कितना साथ चलते हैं, यह बताने वाली संख्या। 1 के जितना पास, उतना साथ चलते हैं।
• औसत त्रुटि (RMSE) — अनुमान असलियत से औसतन कितना भटका। जितनी छोटी, उतना अच्छा।
• संयुक्त मॉडल (एन्सेम्बल) — कई मॉडलों के अनुमानों का औसत निकालकर बना एक मॉडल।
• शब्दों की जानकारी (सिमेंटिक विशेषता) — अणु को गंध के किन शब्दों से पुकारा जाएगा, इसका कंप्यूटर का अनुमानित मान।
• मुख्य गंध मानचित्र (POM) — अणु की संरचना से गंध के शब्दों का अनुमान लगाने वाला पहले के शोध का मॉडल। इस प्रतियोगिता की कई टीमों ने इसे सामग्री के रूप में इस्तेमाल किया।
• मेटामर — घटक साझा न होने पर भी मिलता-जुलता लगने वाला मिश्रण जोड़ा।
• अकॉर्ड — कई कच्चे माल मिलाकर एक ही छाप जैसी महसूस होने वाली सुगंध की इकाई।
• फ़ॉर्मूला — कौन-सा कच्चा माल किस अनुपात में मिलाकर एक सुगंध बनती है, यह लिखा हुआ नक़्शा। यही GrassAccord बेचता है।

आख़िर में

नाक के पास अभी लाल, हरे और नीले जैसा कोई नियम नहीं है। लेकिन 26 टीमों का साथ मिलकर पाया पहला सुराग अनपेक्षित रूप से इंसान की भाषा की ओर था। अणुओं की लंबी व्याख्या से ज़्यादा, गंध को नाम देने वाले कुछ शब्दों ने दो सुगंधों की दूरी बेहतर समझाई।

और उस दूरी को आख़िर तक नापने का काम अब भी इंसानी नाक के ज़िम्मे है। नाक डगमगाती है, मॉडल बीच की ओर खिंचता है। दोनों पूरे नहीं, इसीलिए स्मेलिंग स्ट्रिप के सामने धीरे-धीरे सूँघना, शब्दों में लिखना और अगले दिन फिर सूँघना आज भी सबसे भरोसेमंद तरीक़ा है।

जिन्होंने अभी-अभी परफ़्यूम बनाना शुरू किया है, उनके लिए यह अच्छी ख़बर है। महँगे उपकरण न हों तब भी स्मेलिंग स्ट्रिप और एक नोटबुक से इस शोध के दिखाए रास्ते पर आया जा सकता है। सुगंध पूरी दुनिया की भाषा है। उस भाषा के शब्द एक-एक करके जुटाने की राह पर GrassAccord आपके साथ है।

शोधपत्र का स्रोत: Vahid Satarifard, Laura Sisson, Yikun Han व अन्य। "A semantic-based community model for high-fidelity tuning of olfactory mixture distances." PNAS 123(32), e2611057123, 4 अगस्त 2026 को प्रकाशित। मूल शोधपत्र: https://doi.org/10.1073/pnas.2611057123 · इस लेख के सभी आँकड़े शोधपत्र के मुख्य भाग से लिए गए हैं, और वाक्य GrassAccord का सारांश व व्याख्या हैं। "व्याख्या" वाला खंड शोधपत्र का निष्कर्ष नहीं, बल्कि GrassAccord की व्याख्या है।