Illatkeverékek: a kulcs a szavakban van — a GrassAccord bemutatja „A szagkeverékek távolságának előrejelzése” című tanulmányt

Képzelje el, hogy két tesztcsík van az orra előtt. Az egyiken tíz molekulából kevert illat van. A másikon szintén tíz molekula keveréke, de egyetlen közös molekula sincs bennük. Az orra mégis elég hasonlónak érzi a két illatot.

Miért történik ez? És meg lehet-e jósolni az eredményt még a keverés előtt? Az Amerikai Nemzeti Tudományos Akadémia folyóiratában (PNAS) idén augusztusban megjelent tanulmány arról szól, hogyan vágott bele ebbe a régi kérdésbe együtt a világ 26 kutatócsoportja.

Az eredmény meglepő volt. Az illatkeverékek megjóslásának legjobb kulcsa nem a molekulák alakjának közvetlen kiolvasása volt. Az előrejelzés akkor lett a legpontosabb, amikor az olyan illatokat megnevező szavakon ment keresztül, mint a „gyümölcsös” vagy a „füves”.

Ha elkezdett parfümöt készíteni, talán Önben is felmerültek ezek a kérdések.

• Tényleg fejlődöm attól, ha szavakkal írom le az illatokat?
• Tegnap hasonlónak tűnt két illat, ma pedig másnak érzem őket. Baj van az orrommal?
• Hamarosan a mesterséges intelligencia készíti majd helyettem az akkordokat?

A tanulmány mindhárom kérdéshez ad támpontot. Az első részben bemutatjuk, mit csinált a kutatócsoport és mit talált, a második részben pedig saját kommentárunkkal segítünk, hogyan használhatja az eredményeket a parfümőrasztalnál. Az ismeretlen kifejezéseket külön magyaráztuk a cikk végén, így nyugodtan olvashat tovább.

Először is: milyen tanulmányról van szó?

• Cím: A semantic-based community model for high-fidelity tuning of olfactory mixture distances (Szavak jelentésére épülő közös modell a szagkeverékek közötti távolság pontos meghatározásához)
• Szerzők: Vahid Satarifard és Pablo Meyer köré szerveződött, nagy létszámú közös kutatócsoport. Több ország intézményei vettek részt benne, köztük a Yale Egyetem, a Rockefeller Egyetem, a Monell Kémiai Érzékek Központja, a Weizmann Intézet és az IBM kutatórészlege. Társszerző a szaglás kutatásában ismert Leslie B. Vosshall, Noam Sobel és Joel D. Mainland is.
• Megjelenés: PNAS, 123. kötet, 32. szám, közzétéve 2026. augusztus 4-én. A tanulmány átesett a folyóirat szakmai bírálatán.
• Eredeti szöveg: doi.org/10.1073/pnas.2611057123 — bárki ingyen elolvashatja (angolul).
• Amire figyeljen: A kutatás nem parfümökkel, hanem kutatási célú molekulakeverékekkel foglalkozik. A szerzők is csak a jövőbeli alkalmazási területek egyikeként említik a parfümtervezést.

Miért éppen ezt a tanulmányt választottuk?

Az első bemutatott tanulmányban mintegy 170 000 parfümöt néztünk felülről, számokon keresztül. Az a piac és a kultúra térképe volt. Most épp az ellenkező irányba megyünk: a két tesztcsík előtt ülő ember orrába tekintünk be.

A parfümkészítés végső soron keverés. Csakhogy a szemre és a fülre érvényes szabályoknak nincs még megfelelőjük az orr esetében. Vörösből, zöldből és kékből állnak össze a képernyő színei, a hangot pedig frekvenciákkal lehet leírni. A kutatócsoport szerint a szaglásnak még nincs ehhez hasonló kerete. Ezért a parfümőrök sokáig a tapasztalatukra és az orrukra támaszkodtak.

Ez a tanulmány először épít elég erős hidat ebbe az űrbe. Nem kész híd. De őszintén megmutatja, meddig ér el és hol szakad meg, ezért jó tananyag azoknak, akik parfümkészítést tanulnak.

Kísérlet az orr térképének megrajzolására

Mielőtt rátérnénk a lényegre, nézzük meg, miért rendezték meg ezt a versenyt.

Egyetlen molekula illatát már elég jól el lehet találni

Sokáig hírhedten nehéz feladat volt pusztán a molekula szerkezetéből megmondani az illatát. Az elmúlt tíz évben azonban megváltozott a helyzet. Az első DREAM szaglási verseny megmutatta, hogy a számítógép a molekulaszerkezetből képes megjósolni az olyan illatleírásokat, mint a fokhagymás, az édes vagy a virágos.

2023-ban megjelent a fő szagtérkép (POM) nevű modell. Ez a térkép a molekulaszerkezeteket helyezi el az illatok terében. A tanulmány szerint az illatleírások előrejelzésében jobb eredményt ért el, mint a bírálócsoport egy átlagos tagja. Ebben a versenyben sok csapat éppen ezt a térképet használta alapanyagként.

Csakhogy a világ illatai többnyire keverékek

A gond ezután jön. A kávé, a virágok vagy a parfümök illata, vagyis amit a mindennapokban érzünk, általában több tíz vagy több száz molekula keveréke. Ha egy molekulát el is találunk, de a keveréket nem, a való életben kevésre megyünk vele.

Aki már próbált parfümöt készíteni, jól ismeri ezt a nehézséget. Összekever két jó alapanyagot, és valami egészen mást kap, mint amire számított, vagy úgy érzi, mintha az egyik alapanyag eltűnt volna. Nyilvános mérce kellett a keverékek előrejelzéséhez, ezért rendeztek egy versenyt, ahol több csapat ugyanazon a feladaton mérkőzött meg.

Hogyan zajlott a 26 csapat versenye?

Az elszórt kísérleteket egybegyűjtötték

A kutatók először egyesítették három, egymástól függetlenül készült tanulmány hat adathalmazát. Az így kapott anyag mérete a következő.

• 168 önálló molekula
• 731 különböző keverék
• 507 mérés, amely két keveréket hasonlított össze

Mivel a kísérleti módszerek eltértek, minden eredményt egyetlen skálára vittek át. A 0 azt jelenti, hogy a két illat megkülönböztethetetlen, az 1 pedig azt, hogy nem is lehetnének különbözőbbek. A kutatók ezt a számot szagtávolságnak nevezik. Ahogy a térképen két város távolságát méri, úgy mérik itt két illat távolságát.

Három hónapig tartott a verseny

A verseny neve DREAM Challenge. Ebben több csapat nyilvánosan méri össze előrejelző tudását ugyanazon a feladaton. 26 csapat nagyjából három hónapon át csiszolta mesterséges intelligencia modelljét, a záróvizsgát pedig 46, rejtett megoldású keverékpár jelentette.

A gyakorlófeladatokat hetente legfeljebb háromszor lehetett beadni, és látni lehetett a pontszámot. A verseny alatt 159 gyakorló előrejelzés érkezett, a záróvizsgáig 19 csapat jutott el.

Tiszta győztes nem született. A D2Smell, a UMich CASI, a ChemSenSim Lab és a belfaction holtversenyben végzett az első helyen. A kutatók szerint a mindössze 46 pár miatt nehéz lehetett elkülöníteni a különbségeket. Ezért nem egy csapatot választottak ki, hanem közös modellt készítettek, amely a hat legjobb modell előrejelzését átlagolja. A tanulmány főszereplője ez a közös modell.

Az emberi orr kétszer is ellenőrizte

A mesterséges intelligencia válaszait az emberi orr pontozta. Két vizsga volt.

• Első vizsga (New York, Rockefeller Egyetem) — 34 ember vett részt rajta. 92 keverék alkotott 46 párt, és egy-egy keverék 10, egymással át nem fedő összetevőből készült. Háromszögtesztet alkalmaztak: három üveg közül kellett kiválasztani azt, amelynek más az illata.
• Második vizsga (Philadelphia, Monell Kémiai Érzékek Központja) — A verseny után 16 ember vett részt rajta. 59 újonnan tervezett keverékből 50 pár készült, és keverékenként 9–11 összetevő volt. A résztvevők közvetlenül pontozták, mennyire hasonló a két illat.

A második vizsgán érdekes biztosíték is volt. A résztvevők egy fokhagyma- és egy ananászillatú molekulát hasonlítottak össze, egy epres molekulát pedig önmagával. Az első párt távolinak, a másodikat nagyon közelinek ítélték. Ez bizonyítja, hogy a skála jól működik.

Elég előre megjegyeznie két számot

A tanulmányban két szám tér vissza folyton. Nehéznek tűnhetnek, ezért egyszerűen szemléltetjük őket.

A korrelációs együttható azt mutatja, mennyire mozog egy irányba az előrejelzés és a valóság. Az 1 tökéletes együttmozgást, a 0 semmilyen kapcsolatot nem jelent. A 0,61 nem azt jelenti, hogy a modell 61%-ban találta el a választ. Elég annyit érteni alatta, hogy azokat a párokat, amelyeket az emberek távolabbinak éreztek, a modell is többnyire távolabbinak jelölte.

Az átlagos hiba (a tanulmányban RMSE) azt mutatja, hogy az előrejelzés átlagosan mennyivel tér el a valódi távolságtól. Minél kisebb, annál jobb. A 0,08 azt jelenti, hogy a 0–1-es skálán nagyjából ennyivel téved a modell.

A korrelációs együtthatót tehát jegyezze meg így: „jól találja el a sorrendet?”, az átlagos hibát pedig így: „mennyire közeliek az értékek?”.

Milyen jól jósolt a közös modell?

Messze megelőzte a korábbi módszereket

Az első vizsgán a közös modell átlagos hibája 0,08, korrelációs együtthatója 0,57 volt. A korábbi fő módszerekhez képest a hiba mintegy 33%-kal csökkent, a korrelációs együttható pedig 53%-kal nőtt. A versenyben részt vevő bármelyik csapat modelljénél is jobb volt.

Egy dologra érdemes figyelni. A verseny után a kutatók csak a legfontosabbnak tűnő jellemzőket válogatták ki, és ezekből építettek egy új modellt. Ez azonban nem érte utol a közös modellt, a legjobb egyéni csapatok szintjén maradt. A kutatók értelmezése szerint nem elég jó bemeneti adatokat választani: ezt a szintet csak különböző megközelítések együtt érik el.

Az ismeretlen feladatokon is helytállt

Az olyan modell, amely csak a versenyfeladatokat oldja meg jól, keveset ér. Ezért a verseny után 50, újonnan tervezett párral is tesztelték. A közös modell átlagos hibája 0,13-ra nőtt, de a teljesítménye jó maradt. Figyelembe véve, hogy a helyszín, a résztvevők és a vizsga módja is más volt, ez sokat jelent.

A feladat típusától függően változtak az eredmények

A záróvizsga 46 párja három csoportra oszlott: 16 véletlenszerűen létrehozott pár, 20 ember által hasonlóra tervezett pár és 10, korábbi távolságszámítással összehangolt pár. A csapatok nem tudták, melyik pár melyik csoportba tartozik.

A közös modell átlagos hibája a két tervezett csoportban kicsi volt, 0,07 és 0,06, a véletlen csoportban pedig 0,10. A korrelációs együtthatónál fordított volt a helyzet: a véletlen csoport valamivel magasabb, 0,45 lett, a másik kettő 0,38. A kutatók hozzáteszik, hogy a párok száma kevés, ezért a kis csoportok számait óvatosan kell olvasni.

A szavak legyőzték a molekulaszerkezetet

A tanulmány legtöbbet idézett eredménye valószínűleg ez lesz.

Csak a szavakat meghagyva jobb lett az eredmény

A kutatók egyenként vettek el bemeneti adatokat a modellből. Eltávolították a molekulák kémiai jellemzőit, a szervezet szaglóreceptoraira és a keverékekre vonatkozó információkat, és csak az illatokat megnevező szavaknak megfelelő adatokat hagyták meg.

Az eredmény meglepő volt. A csak szavakat használó közös modell az első vizsgán 0,61-es korrelációs együtthatót és 0,075-ös átlagos hibát ért el, vagyis jobb volt, mint a minden bemenetet használó közös modell. A második vizsgán is 15%-kal magasabb, 0,54-es korrelációs együtthatót ért el.

Ezzel szemben a szavak nélküli modell sokat romlott. Az első vizsgán a korrelációs együtthatója 0,41-re esett, a másodikon pedig a véletlen tippelés szintjéhez közelített.

Mit jelent itt a „szó”?

Ezt könnyű félreérteni, ezért pontosítunk. Nem arról van szó, hogy emberek megszagolták a keveréket, és a jegyzeteiket betáplálták. A számítógép megnézi a molekula szerkezetét, és először azt jósolja meg, hogyan neveznék az emberek. 138 szóhoz, például a gyümölcsöshöz vagy a füveshez rendel valószínűséget. Az így kapott szókombinációval hasonlít össze két keveréket.

A molekulától tehát nem közvetlenül jut el a szagtávolsághoz, hanem a szavak mint köztes állomás érintésével. A meglepő az, hogy ezeket a szavakat nem keverékekből, hanem tiszta, önálló molekulákból tanulta a modell, és mégis jól magyarázták a keverékek távolságát.

A kutatók még egy lépéssel tovább mennek. Lehet, hogy a keverékek illata nem alapvetően más elvek szerint jön létre, mint az önálló molekuláké. A nehéz rész talán nem is a „keverés”, hanem a „molekulától az illatig vezető lépés”. A tanulmány ugyanakkor azt is rögzíti, hogy egyes kutatók nem értenek egyet ezzel a nézettel.

Mely szavaknak volt a legnagyobb ereje?

Az egyik csapat a 138 szót 12 csoportba rendezte. Ebben a modellben a gyümölcsös, a füves-gyógynövényes és a diós-olajos-pörkölt csoport hatott a legerősebben.

A szavak egyenként is eltértek. Ugyanennek a csapatnak az elemzésében a zöld, a tiszta és a konyak a hiba csökkenésével, az ibolya, az aromás és a természetes pedig a hiba növekedésével függött össze. A kutatók hangsúlyozzák, hogy ezt nem könnyű közvetlenül értelmezni. Mégis érdekes, hogy olyan tág jelentésű szó is szerepel köztük, mint a természetes. Ez a mi benyomásunk, nem a tanulmány következtetése.

Nem kellett sok bemeneti adat

A kutatók modellenként sorban összeadták a legnagyobb hatású jellemzőket. A pontos modellek közül három kevesebb mint 100 jellemzővel elérte a teljes hatás felét. Volt olyan modell, amelynek körülbelül 1000 kellett, tehát nagy a különbség. A szagtávolság magyarázatához tehát nem feltétlenül kell sok bonyolult bemeneti adat.

Az emberi orr is ingadozik

Az emberi teljesítmény a felső határ

Ez a tanulmány legőszintébb része. A kutatók azt is megmérték, mennyire ugyanazt mondják ugyanazok az emberek, ha újra ítélnek. A második vizsgán a résztvevők legalább egy nap különbséggel kétszer ítéltek, és a két eredmény korrelációs együtthatója 0,74 volt. Az első vizsga két felének összehasonlítása 0,69-et adott.

Ha belegondol, ez természetes. Még az átlagolt emberi ítélet sem ismétlődik tökéletesen. A modell tehát nehezen lehet emberibb az embernél. A csak szavakat használó modell 0,61-es és 0,54-es értéke még nem érte el ezt a felső határt. A kutatók is elismerik, hogy maradt rés a modell és az ember között.

Akkor téved, ha az illatok nagyon hasonlók vagy nagyon eltérők

A modell a 0,5–0,8 közötti távolságnál volt a legpontosabb, mert a tanítóadatok ide összpontosultak. A véletlenszerűen kevert keverékek többnyire ebbe a tartományba esnek.

A 0,5 alatt és a 0,8 felett viszont nőtt a hiba. A modellek hajlamosak voltak az előrejelzést a közép felé húzni. A nagyon hasonló párokat a valóságosnál kissé távolabbinak, a nagyon eltérőket kissé közelebbinek becsülték.

Ez a parfümőr számára fontos. A gyakorlatban a legnehezebb döntés két „majdnem ugyanolyan, de valamiben más” próba szétválasztása. Éppen ez a mai modell leggyengébb pontja.

Az új modell nem mindig győzött

Amikor a második vizsgát a távolság szerint öt sávra osztották, a leghasonlóbb sávban a korábbi modell, a fő szagtérkép hibája volt kisebb. A másik négy sávban a közös modell és a csak szavakat használó modell vezetett. Ez jól mutatja, hogy a jó összesített átlag nem jelent minden sávban jó eredményt.

Miben különbözik a valódi parfümöktől?

Ezt a kutatást nem lehet egy az egyben átültetni a parfümökre. A laboratóriumi keverékek és a valódi parfümök között nagy a különbség.

• Kiegyenlített erősségű keverékek — Az adatok többségében előre kiegyenlítették az összetevők erősségét. A valódi illatban az erős összetevők elfedik a gyengéket, és a koncentrációtól az illat jellege is változik. A kutatók szerint az erősség kezelése jövőbeli feladat.
• Az összetevők száma — A vizsgakeverékekben körülbelül tíz összetevő volt. A kutatók magyarázata szerint a mindennapokban érzett illatok általában több tíz vagy több száz molekula keverékei.
• Korlátozott alapanyagok — A felhasznált molekulák köre szűk. Még nem tudni, hogy működik-e a modell számára ismeretlen molekulákon.
• Egy pillanat ítélete — A kutatás azt kérdezte, mennyire hasonló két illat. Azt nem, hogyan változik az illat az idővel, vagy hogy tetszik-e az embereknek.

Az utolsó pontot különösen jegyezze meg. A távolság csak azt mondja meg, mennyire különbözik két illat, azt nem, hogy melyik a jobb.

Egy örvendetes dolog azért van. A kutatók az adatokat, a modelleket és a kódot is nyilvánosságra hozták. Így bárki kipróbálhat jobb módszert ugyanazon a feladaton. Ez azonban nem jelenti azt, hogy létezne olyan eszköz, amelybe a parfümőr beír két akkordot, és azonnal megkapja a távolságot. Egyelőre inkább kutatóknak szóló kiindulási mérce.

Metamerek: más alapanyag, ugyanaz az illat

Az egyik felhasznált adatforrás olyan kutatásból származik, amely szaglási metamereket akart létrehozni. A metamer olyan keverékpár, amelynek nincs közös összetevője, mégis hasonlónak érződik. A színeknél ahhoz hasonlít, amikor a különböző összetételű fényt ugyanolyan színnek látjuk.

A kutatók azt várják, hogy az eredmények nyomán számítógépen hatékonyan lehet majd virtuális metamereket létrehozni és kipróbálni. Előbb számítással választják ki a jelölteket, majd ember ellenőrzi őket.

A szerzők széles alkalmazási köröket neveznek meg: az illatokat adatként tároló és továbbító digitális szaglást, a lélegzetből egészséget vizsgáló technológiákat, az elektronikus orrot és a generatív illatanyag-tervezést. Ezek azonban jövőbeli lehetőségek, a tanulmány nem tervezett parfümöt.

Kommentár: mit üzen a tanulmány azoknak, akik parfümkészítést tanulnak

Innentől nem a tanulmány következtetései, hanem a GrassAccord értelmezése olvasható.

Az illat szavakba foglalása nem benyomás, hanem tervezés

Ha egy parfümkészítő órán alapanyag-jegyzetet kell írni, sokan fárasztónak érzik. Minek leírni, ha meg lehet szagolni? Ez a tanulmány más fénybe helyezi ezt a szokást. Néhány illatszó ugyanis jobban magyarázta a keverékek távolságát, mint a rengeteg molekulaadat.

A számítógép szavai és az ember jegyzetei persze nem ugyanazok. Az irány mégis közös. Ha szavakra bontja az illatot, összehasonlíthatóvá válik. A „jó” szóval végződő jegyzetet nem tudja felhasználni a következő keveréknél, de azt igen, hogy „erősen füves, a végén nedves fa marad”.

Kezdje az önálló alapanyagokkal

A szavakat önálló molekulákból tanulta a modell, mégis megmagyarázták a keverékeket. A parfümkészítés tanulásának sorrendje is ilyen. Ha tisztán ismeri egy alapanyag benyomását, le tudja olvasni, mi történt a keveréskor. Az egyetlen alapanyag ismételt szaglására szánt idő később többet ad vissza, mint sok akkord elkészítése.

Érdemes kölcsönvenni egy módszert a laboratóriumból. Ahogy a kutatók kiegyenlítették az összetevők erősségét, Ön is egyenlítse ki a hígítási koncentrációt, amikor alapanyagokat hasonlít össze. Ha csak az egyik tömény, akkor nem az alapanyagok jellegét, hanem az erősségét hasonlítja össze. A hígítatlanul hozott ítélet hígítva gyakran megváltozik.

Válasszon szűk jelentésű szavakat

A természetes szó kényelmes, de sok mindent magába foglal. Próbáljon egy szinttel lejjebb menni, és írja le, mi a természetes benne. Frissen vágott fű illata, nedves földé, vagy hámozott gyümölcsé? Ahogy már említettük, ezt nem a tanulmány bizonyította, de a parfümőrasztalnál hamar meggyőződhet róla, hogy minél szűkebb egy szó jelentése, annál jobban használható a következő döntésnél.

Próbálja meg ugyanazt a benyomást más alapanyagokból felépíteni

A metamer fogalma a kezdőknek is nagy vigasz. Ha egy alapanyag nem szerezhető be, vagy szabályozás alá esik, ugyanaz a benyomás más alapanyagokból újraépíthető. A hasonló érzethez nem feltétlenül kellenek ugyanazok a molekulák.

A GrassAccord által árult formulák közül is sok híres parfümöt vesz tananyagul. De a hasonló és az azonos két különböző dolog. Ez a kutatás is csak egy pillanat benyomásával foglalkozott. Azt, hogy az idővel hogyan változik az illat, Önnek kell megfigyelnie a tesztcsíkon.

Bízzon az orrában, de ne csak egyszer

Az átlagolt emberi ítélet újramérve is csak 0,74. Ha két tegnap még hasonló illat ma másnak tűnik, nem biztos, hogy az orrával van baj. Az ítélet természeténél fogva ingadozik. A fontos döntéseknél másnap szagolja meg újra, és hasonlítsa össze az első jegyzettel. Nem a számok, hanem a szokás védi meg az ítéletét.

Több orr jobb, mint egy

A tanulmányban a legjobb eredményt nem egy kiváló csapat, hanem különböző csapatok átlaga érte el. Az illatok megítélése is ilyen. Ha nem tud dönteni, szagoltassa meg mással is. A parfümkészítéshez nem értő ember egyetlen mondata, hogy „olyan, mint a szappan”, értékes támpont lehet.

A mesterséges intelligencia csak szűkíti a jelölteket

A jövő, amelyről a kutatás szól, nem a parfümőrök nélküli világ, hanem inkább az, ahol számítás szűkíti a jelölteket, és az ember az orrával dönt. A modell még nem ítélte meg, mi jó és mi rossz, és a legnehezebb, „majdnem ugyanolyan, de más” sávban gyenge volt. Ez az utolsó sáv egyelőre az emberi orré marad.

Három gyakorlat, amelyet azonnal kipróbálhat a parfümőrasztalnál

Kár lenne csak elolvasni a tanulmányt, és ennyiben hagyni. Kicsiben átvisszük a kutatók munkáját a parfümőrasztalra. Az arányokat saját alapanyagai és ízlése szerint határozza meg.

Első gyakorlat: készítse el saját illatszótárát

Válasszon ki tíz gyakran használt alapanyagot, és egyenként vigye fel őket tesztcsíkra. Alapanyagonként csak három szót írjon le. Hagyja ki az olyan értékelő szavakat, mint a „jó”, és csak az illatra utaló szavakat használjon, például gyümölcs, fű, fa, szappan. Egy hét múlva takarja le a neveket, írja le újra, és hasonlítsa össze. Az a szó, amely megmaradt, az alapanyag igazi arca.

Második gyakorlat: háromszögteszt otthon

Készítsen elő két hasonló próbát. Három tesztcsík közül kettőre ugyanazt, egyre a másikat vigye fel, és jelölje meg az alsó oldalukon. Kérjen meg valakit, hogy keverje össze a sorrendet, majd válassza ki a különbözőt. Ha többször megismétli, és folyamatosan eltalálja, akkor megkülönböztethető illatokról van szó. Ha a találatok a tippelés szintjén maradnak (háromból egyszer), akkor az Ön orrának jelenleg szinte ugyanazok.

Harmadik gyakorlat: mérje meg a távolságot az orrával

Írja le két illat távolságát 0 és 1 közötti számmal. A 0 azt jelenti, hogy nem különböztethetők meg, az 1, hogy teljesen eltérőek. Pontozzon körülbelül öt párt, majd másnap ugyanabban a sorrendben pontozza újra. Abból, hogy mennyit mozdultak a számok, megismeri ítélete szélességét. Nem baj, ha ingadozik. A gyakorlat célja éppen ennek a szélességnek a megismerése.

Mire figyeljen a tanulmány olvasásakor

• Nem parfümkutatás. Kutatási célú molekulakeverékekkel foglalkozik. Ez nem jelenti azt, hogy közvetlenül alkalmazható a parfümök összeállítására.
• Kevés a vizsgafeladat. Az első vizsga 46 párból állt. Ezért nem lehetett eldönteni a legjobb csapatok sorrendjét, és a kutatók óvatosságot kérnek a kis csoportok eredményeinél.
• A középső sávban erős. A tanítóadatok a 0,5–0,8 közötti távolságra összpontosulnak, ezért a nagyon hasonló vagy nagyon eltérő pároknál gyenge.
• Vegyesek a mérési módszerek. A háromszögteszteket és a pontozást egyetlen skálára vitték át, így maradhat a módszerből eredő torzítás.
• Nem kezelte kellően az erősséget. Többnyire kiegyenlített erősségű összetevőket használtak. A valódi illatoknál az erősség nagy változó.
• Nem tudni, működik-e új molekulákon. A vizsgákon használt molekulák köre szűk.
• Az értelmezésnek vannak ellenzői. A tanulmány szerint egyes kutatók nem értenek egyet azzal a nézettel, hogy a keverékek illatát nagyrészt a szavak átfedése határozza meg.
• A cégkapcsolatok nyilvánosak. A tanulmány közli, hogy a szerzők egy része szaglással foglalkozó cégeknek ad tanácsot.

A cikkben szereplő kifejezések

• Önálló molekula — Egyetlen fajta molekulából álló illatanyag.
• Keverék — Több molekula elegye. Ebben a kutatásban körülbelül tíz összetevőből áll.
• Távolság — 0 és 1 közötti érték, amely azt mutatja, mennyire eltérőnek érződik két illat. A 0 megkülönböztethetetlen, az 1 a legnagyobb különbség.
• Háromszögteszt — A megkülönböztető képességet mérő módszer, amelyben három közül kell kiválasztani az eltérőt.
• Korrelációs együttható — Szám, amely azt mutatja, mennyire mozog együtt két érték. Minél közelebb van az 1-hez, annál inkább együtt mozognak.
• Átlagos hiba (RMSE) — Az előrejelzés átlagos eltérése a valóságtól. Minél kisebb, annál jobb.
• Közös modell (ensemble) — Több modell előrejelzését átlagoló, eggyé fogott modell.
• Szóinformáció (szemantikai jellemzők) — A számítógép által megjósolt érték arról, milyen illatszavakkal neveznek egy molekulát.
• Fő szagtérkép (POM) — Korábbi kutatás modellje, amely a molekulaszerkezetből illatszavakat jósol. Ebben a versenyben sok csapat használta alapanyagként.
• Metamer — Olyan keverékpár, amely közös összetevő nélkül is hasonlónak érződik.
• Akkord — Az illat olyan egysége, amelyben több alapanyagot úgy kevernek össze, hogy egyetlen benyomásként hasson.
• Formula — Tervrajz, amely leírja, milyen alapanyagokat milyen arányban kell összekeverni egy illat elkészítéséhez. Ezt árulja a GrassAccord.

Zárszó

Az orrnak még nincsenek a vöröshöz, zöldhöz és kékhez hasonló szabályai. Az első nyom azonban, amelyet a 26 csapat közösen talált, váratlanul az emberi nyelv oldalán volt. Néhány illatszó jobban megmagyarázta két illat távolságát, mint a molekulák hosszú leírása.

Ennek a távolságnak a végső mérése pedig továbbra is az emberi orr dolga. Az orr ingadozik, a modell a közép felé húz. Egyik sem tökéletes, ezért ma is az a legmegbízhatóbb, ha lassan megszagolja a tesztcsíkot, szavakkal leírja, és másnap újra megszagolja.

Annak, aki most kezdett el parfümöt készíteni, ez jó hír. Drága eszközök nélkül is elég néhány tesztcsík és egy jegyzetfüzet, hogy rálépjen arra az útra, amelyet ez a kutatás mutatott. Az illat egyetemes nyelv. A GrassAccord elkíséri azon az úton, amelyen egyenként gyűjti ennek a nyelvnek a szavait.

Forrás: Vahid Satarifard, Laura Sisson, Yikun Han és mtsai. "A semantic-based community model for high-fidelity tuning of olfactory mixture distances." PNAS 123(32), e2611057123, megjelent 2026. augusztus 4-én. Eredeti: https://doi.org/10.1073/pnas.2611057123 · A cikkben szereplő számok mind a tanulmány szövegéből származnak, a szöveg pedig a GrassAccord összefoglalója és kommentárja. A „Kommentár” fejezet a GrassAccord értelmezése, nem a tanulmány következtetése.