Geurmengsels voorspellen: de sleutel bleek taal — GrassAccord bespreekt het artikel 'De afstand tussen geurmengsels voorspellen'

Stel, u houdt twee mouillettes onder uw neus, elk met een eigen geurmengsel. De ene geur bestaat uit 10 gemengde moleculen. De andere ook, maar geen enkele molecuul komt in beide voor. Toch ruikt de menselijke neus twee geuren die behoorlijk op elkaar lijken.

Hoe kan dat? En is de uitkomst te voorspellen voordat u mengt? Een artikel dat afgelopen augustus verscheen in Proceedings of the National Academy of Sciences (PNAS), beschrijft hoe 26 onderzoeksteams uit de hele wereld samen deze oude vraag aanpakten.

De uitkomst was verrassend. De beste sleutel tot de geur van een mengsel was niet het direct aflezen van de vorm van moleculen. De voorspelling was het nauwkeurigst via woorden waarmee we geuren benoemen, zoals 'fruitig' of 'grasachtig'.

Als u net begonnen bent met parfum maken, herkent u deze vragen misschien:

• Helpt het echt om een geur in woorden op te schrijven?
• Twee geuren leken gisteren op elkaar en vandaag niet meer: is er iets mis met mijn neus?
• Gaat kunstmatige intelligentie binnenkort mijn akkoorden voor mij samenstellen?

Dit artikel geeft op alle drie de vragen een aanwijzing. In het eerste deel leest u wat de onderzoekers deden en vonden; in het tweede deel geven we onze eigen toelichting op hoe u de resultaten aan de werktafel kunt gebruiken als u parfum leert maken. Onbekende termen worden helemaal onderaan uitgelegd, dus lees rustig verder.

Eerst: wat is dit voor artikel?

• Titel: A semantic-based community model for high-fidelity tuning of olfactory mixture distances (Een gemeenschappelijk model op basis van woordbetekenis om de afstanden tussen geurmengsels nauwkeurig af te stellen)
• Auteurs: een grote samenwerkingsgroep rond Vahid Satarifard en Pablo Meyer. Instellingen uit meerdere landen deden mee, zoals Yale University, Rockefeller University, het Monell Chemical Senses Center, het Weizmann Institute en IBM Research. Ook Leslie B. Vosshall, Noam Sobel en Joel D. Mainland, bekende namen in het reukonderzoek, zijn coauteur.
• Verschenen in: PNAS, jaargang 123, nummer 32, gepubliceerd op 4 augustus 2026. Het artikel is door het tijdschrift beoordeeld.
• Origineel lezen: doi.org/10.1073/pnas.2611057123 — voor iedereen gratis te lezen (in het Engels).
• Let op: het onderzoek gaat over moleculemengsels voor wetenschappelijk gebruik, niet over parfums. Ook de auteurs noemen parfumontwerp alleen als een van de mogelijke toepassingen in de toekomst.

Waarom kozen we dit artikel?

In onze eerste artikelbespreking bekeken we ongeveer 170.000 parfums van bovenaf, in cijfers. Dat was een kaart van markt en cultuur. Nu gaan we de andere kant op. We kijken naar de neus van iemand die voor twee mouillettes zit.

Parfum maken is uiteindelijk mengen. Maar de regels die ogen en oren hebben, heeft de neus nog niet. Met rood, groen en blauw maakt u de kleuren op een scherm, en geluid is te verklaren met frequenties. Volgens de onderzoekers heeft de reukzin nog geen vergelijkbaar kader. Daarom vertrouwen parfumeurs al lang op ervaring en op hun neus.

Dit artikel legt over die leegte voor het eerst een behoorlijk stevige brug. De brug is niet af. Maar het laat eerlijk zien hoe ver we zijn en waar het nog stopt, en dat maakt het goed studiemateriaal als u parfum leert maken.

De poging om een kaart van de neus te tekenen

Voordat we de inhoud induiken, kijken we eerst waarom deze wedstrijd werd gehouden.

De geur van één molecuul is al aardig te raden

De geur raden aan de hand van alleen de molecuulstructuur was lang een berucht lastig probleem. In de afgelopen tien jaar veranderde dat. De eerste DREAM-reukwedstrijd liet zien dat een computer uit de molecuulstructuur geuromschrijvingen kan voorspellen, zoals knoflook, zoet of bloemig.

In 2023 verscheen een model met de naam Principal Odor Map (POM). Dat is een kaart die molecuulstructuren een plek geeft in een ruimte van geuren. Volgens het artikel deed dit model het bij het voorspellen van geuromschrijvingen beter dan de middelste persoon uit het beoordelingspanel. Veel teams in deze wedstrijd gebruikten juist deze kaart als ingrediënt.

Maar de meeste geuren in de wereld zijn gemengd

Het probleem komt daarna. Wat we dagelijks ruiken, zoals koffie, bloemen en parfum, is meestal een mengsel van tientallen tot honderden moleculen. Als u één molecuul goed raadt maar niet weet wat er bij het mengen gebeurt, heeft u daar in de echte wereld weinig aan.

Wie al eens parfum heeft gemaakt, kent dit probleem goed. U mengt twee goede grondstoffen en krijgt iets heel anders dan verwacht, of een toegevoegde grondstof lijkt te verdwijnen. Er was een openbare maatstaf nodig om mengsels te voorspellen, en daarom kwam er een wedstrijd waarin meerdere teams hetzelfde probleem aanpakten.

Hoe verliep de wedstrijd met 26 teams?

Verspreide experimenten samengebracht

Eerst voegden de onderzoekers zes datasets uit drie afzonderlijke studies samen. Dit was de omvang:

• 168 enkelvoudige moleculen
• 731 verschillende mengsels
• 507 metingen waarin twee mengsels werden vergeleken

Omdat de werkwijzen uiteenliepen, werden alle resultaten op één schaal gezet. 0 betekent dat twee geuren niet te onderscheiden zijn, 1 dat ze niet verder uit elkaar kunnen liggen. De onderzoekers noemen dit getal de geurafstand. Zoals u op een kaart de afstand tussen twee steden meet, zo meet u hier de afstand tussen twee geuren.

Drie maanden wedijveren

De wedstrijd heet de DREAM Challenge. Meerdere teams werken aan hetzelfde probleem en meten openlijk hun voorspelkracht. De 26 teams verfijnden ongeveer drie maanden hun AI-modellen en deden daarna de eindtoets met 46 paren mengsels waarvan de antwoorden verborgen waren.

Oefenopgaven mochten tot drie keer per week worden ingestuurd, met zicht op de score. In de wedstrijdperiode kwamen 159 oefenvoorspellingen binnen, en 19 teams leverden de eindtoets in.

Er kwam geen duidelijke winnaar. Vier teams, D2Smell, UMich CASI, ChemSenSim Lab en belfaction, eindigden gedeeld eerste. De onderzoekers denken dat de verschillen moeilijk te onderscheiden waren met maar 46 paren. Daarom kozen ze niet één team, maar maakten ze een gezamenlijk model door de voorspellingen van de zes beste modellen te middelen. Dit gezamenlijke model is de hoofdrolspeler van het artikel.

Twee keer gecontroleerd met de menselijke neus

De antwoorden van de AI werden beoordeeld door de menselijke neus. Er waren twee toetsen.

• Eerste toets (New York, Rockefeller University) — 34 mensen deden mee. 92 mengsels vormden 46 paren, en elk mengsel bestond uit 10 componenten die elkaar niet overlapten. Er werd een driehoekstest gebruikt: uit drie flesjes kiest u het flesje dat anders ruikt.
• Tweede toets (Philadelphia, Monell Chemical Senses Center) — na de wedstrijd deden 16 mensen mee. 59 nieuw ontworpen mengsels vormden 50 paren, met 9 tot 11 componenten per mengsel. De deelnemers gaven zelf een score voor hoeveel de twee geuren op elkaar leken.

De tweede toets had een leuke veiligheidsklep. Deelnemers vergeleken een molecuul met knoflookgeur met een molecuul met ananasgeur, en een molecuul met aardbeigeur met zichzelf. Ze beoordeelden het eerste paar als ver en het tweede als heel dichtbij. Dat bewijst dat de schaal goed werkte.

Onthoud alvast twee getallen

Twee getallen komen in dit artikel steeds terug. Ze kunnen lastig lijken, dus we geven eerst een eenvoudig idee.

De correlatiecoëfficiënt laat zien in hoeverre voorspelling en werkelijkheid dezelfde kant op bewegen. Bij 1 bewegen ze perfect samen, bij 0 is er geen enkel verband. 0,61 betekent niet dat 61% goed geraden is. Het is genoeg om te onthouden dat het model paren die mensen als verder uit elkaar ervoeren, meestal ook als verder aanwijst.

De gemiddelde fout (RMSE in het artikel) laat zien hoeveel de voorspelling gemiddeld afwijkt van de echte afstand. Hoe kleiner, hoe beter. Bij 0,08 zit de voorspelling op de schaal van 0 tot 1 ongeveer zoveel ernaast.

Onthoud het dus zo: correlatie vraagt 'klopt de volgorde?', gemiddelde fout vraagt 'hoe dicht zit de waarde erbij?'.

Hoe goed voorspelde het gezamenlijke model?

Ruim beter dan bestaande methoden

Bij de eerste toets haalde het gezamenlijke model een gemiddelde fout van 0,08 en een correlatiecoëfficiënt van 0,57. Vergeleken met de belangrijkste bestaande methoden daalde de fout met ongeveer 33% en steeg de correlatie met 53%. Het model was ook beter dan elk afzonderlijk team in de wedstrijd.

Eén punt verdient aandacht. Na de wedstrijd bouwden de onderzoekers een nieuw model met alleen de kenmerken die het belangrijkst leken. Dat model haalde het gezamenlijke model niet in en bleef op het niveau van de beste losse teams. De uitleg van de onderzoekers: goede ingrediënten kiezen is niet genoeg, u bereikt dat niveau pas als verschillende aanpakken samenkomen.

Ook sterk bij onbekende opgaven

Een model dat alleen wedstrijdvragen oplost, is weinig waard. Daarom kwam er na de wedstrijd een nieuwe toets met 50 nieuw ontworpen paren. De gemiddelde fout van het gezamenlijke model steeg naar 0,13, maar de prestaties bleven goed. Dat zegt veel, want de locatie, de deelnemers en de toetsmethode waren allemaal anders.

Elk soort opgave gaf een ander resultaat

De 46 paren van de eindtoets waren verdeeld in drie groepen: 16 willekeurige paren, 20 paren die mensen zo ontwierpen dat ze op elkaar leken, en 10 paren die met een bestaande afstandsberekening gelijkend waren gemaakt. De teams wisten niet welk paar bij welke groep hoorde.

De gemiddelde fout van het gezamenlijke model was klein in de twee ontworpen groepen, met 0,07 en 0,06, en 0,10 in de willekeurige groep. Bij de correlatie was het omgekeerd: de willekeurige groep kwam iets hoger uit, op 0,45, en de andere twee op 0,38. De onderzoekers voegen eraan toe dat de cijfers van kleine groepen voorzichtig gelezen moeten worden, omdat het om weinig paren gaat.

Woorden versloegen de molecuulstructuur

Dit wordt waarschijnlijk het meest geciteerde resultaat van het artikel.

Met alleen woorden werd het beter

De onderzoekers haalden de ingrediënten een voor een uit het model. Ze verwijderden de chemische kenmerken van moleculen, de gegevens over receptoren in het lichaam en de mengselgegevens, en hielden alleen de informatie over woorden waarmee geuren worden benoemd.

Het resultaat was verbluffend. Het gezamenlijke model met alleen woorden haalde bij de eerste toets een correlatie van 0,61 en een gemiddelde fout van 0,075, zelfs beter dan het gezamenlijke model met alle ingrediënten. Bij de tweede toets was de correlatie 0,54, en dat is 15% hoger.

Het model zonder woorden ging juist sterk achteruit. De correlatie daalde bij de eerste toets naar 0,41 en kwam bij de tweede toets dicht bij het toevalsniveau.

Wat bedoelen we hier met 'woorden'?

Dit wordt snel verkeerd begrepen, dus we zijn precies. Het gaat niet om geurnotities die mensen schreven nadat ze mengsels hadden geroken. De computer bekijkt de structuur van een molecuul en voorspelt eerst hoe mensen dat molecuul zouden noemen. Hij geeft kansen aan 138 woorden, zoals fruitig of grasachtig. Met die woordcombinaties worden daarna twee mengsels vergeleken.

Het pad loopt dus niet rechtstreeks van molecuul naar geurafstand, maar via een tussenstation van woorden. Verrassend is dat deze woorden zijn geleerd van zuivere enkelvoudige moleculen en niet van mengsels, en toch de afstand tussen mengsels goed verklaarden.

De onderzoekers gaan nog een stap verder. Misschien ontstaat de geur van een mengsel niet volgens een wezenlijk ander principe dan de geur van één molecuul. Het moeilijke deel zit dan eerder in de stap van molecuul naar geur dan in de stap van het mengen. Het artikel vermeldt wel dat er ook onderzoekers zijn die het hiermee oneens zijn.

Welke woorden hadden de meeste kracht?

Eén team groepeerde de 138 woorden in 12 clusters. In het model van dat team hadden de clusters fruitig, gras en kruiden, en noten, olie en geroosterd de meeste invloed.

Ook per woord liep het resultaat uiteen. In de analyse van hetzelfde team hingen groen, schoon en cognac samen met een kleinere fout, en viooltje, aromatisch en natuurlijk met een grotere fout. De onderzoekers geven aan dat dit resultaat moeilijk direct te duiden is. Toch is het interessant dat een breed woord als natuurlijk ertussen staat. Dat is onze indruk en geen conclusie van het artikel.

Veel ingrediënten waren niet nodig

De onderzoekers stapelden per model de invloedrijkste kenmerken op. Drie van de nauwkeurigste modellen bereikten de helft van de totale invloed met minder dan 100 kenmerken. Een ander model had er ongeveer 1.000 nodig, dus het verschil is groot. Om geurafstand te verklaren zijn dus niet per se veel complexe ingrediënten nodig.

Ook de menselijke neus wankelt

Het menselijke resultaat is het plafond

Dit is het eerlijkste deel van het artikel. De onderzoekers maten ook hoe vaak dezelfde mensen bij een herhaling hetzelfde antwoord gaven. Bij de tweede toets oordeelden de deelnemers twee keer, met minstens een dag ertussen, en de correlatie tussen beide resultaten was 0,74. Bij de eerste toets, in twee helften vergeleken, was de waarde 0,69.

Als u erover nadenkt, is dat logisch. Zelfs het gemiddelde oordeel van mensen herhaalt zich niet perfect. Een model kan mensen dus moeilijk beter nabootsen dan mensen zichzelf. De 0,61 en 0,54 van het model met alleen woorden halen dit plafond nog niet. Ook de onderzoekers erkennen dat er een kloof blijft tussen model en mens.

Fouten bij geuren die heel gelijk of heel verschillend zijn

Het model was het nauwkeurigst bij afstanden van 0,5 tot 0,8, omdat de trainingsgegevens daar geconcentreerd zijn. Willekeurig gemengde mengsels vallen meestal in dit gebied.

Onder 0,5 en boven 0,8 werd de fout groter. De modellen hadden de gewoonte om voorspellingen naar het midden te trekken. Paren die erg op elkaar leken, schatten ze iets verder uit elkaar in, en paren die heel verschillend waren iets dichterbij.

Voor parfumeurs is dat belangrijk. Het moeilijkste oordeel in de praktijk is het onderscheiden van twee proefversies die 'bijna hetzelfde zijn, maar toch ergens anders'. Juist daar zijn de huidige modellen het zwakst.

Het nieuwe model won niet altijd

Toen de tweede toets werd verdeeld in vijf afstandszones, had het eerdere model, de Principal Odor Map, de kleinste fout in de zone met de grootste gelijkenis. In de andere vier zones lagen het gezamenlijke model en het model met alleen woorden voor. Dit laat zien dat een goed totaalgemiddelde niet betekent dat alle zones goed zijn.

Wat is het verschil met echt parfum?

U kunt dit onderzoek niet zomaar op parfum toepassen. Tussen mengsels uit het lab en echt parfum zitten grote verschillen.

• Op sterkte afgestemde mengsels — in de meeste gegevens was de sterkte van de componenten vooraf gelijkgetrokken. In een echte geur overstemt een sterke component een zwakke, en het karakter van een geur verandert met de concentratie. De onderzoekers schrijven dat het omgaan met sterkte een taak voor de toekomst is.
• Aantal componenten — de testmengsels hadden ongeveer 10 componenten. De onderzoekers leggen uit dat geuren uit het dagelijks leven meestal mengsels van tientallen tot honderden moleculen zijn.
• Beperkte grondstoffen — het bereik van de gebruikte moleculen is smal. Of de methode ook werkt bij onbekende moleculen, is nog niet bekend.
• Een oordeel van één moment — dit onderzoek vroeg hoeveel twee geuren op elkaar lijken. Het vroeg niet hoe een geur in de tijd verandert en ook niet of mensen de geur lekker vinden.

Onthoud vooral het laatste punt. Afstand vertelt hoe verschillend twee geuren zijn, maar niet welke beter is.

Er is ook goed nieuws. De onderzoekers hebben alle gegevens, modellen en code openbaar gemaakt. Iedereen kan dus met hetzelfde probleem betere methoden uitproberen. Maar dat betekent niet dat er nu een hulpmiddel is waarin een parfumeur twee akkoorden invoert en meteen de afstand krijgt. Voorlopig is het vooral een referentiepunt voor onderzoekers.

Metameren: andere ingrediënten, dezelfde geur

Een van de datasets in het artikel komt uit een onderzoek dat reukmetameren probeerde te maken. Metameren zijn paren mengsels die op elkaar lijken zonder gemeenschappelijke componenten. Vergelijk het met kleur: licht met een andere samenstelling kan toch dezelfde kleur lijken.

De onderzoekers verwachten dat ze met deze resultaten virtuele metameren efficiënt op de computer kunnen maken en testen. Eerst worden kandidaten berekend, daarna controleren mensen ze.

De auteurs noemen veel toepassingen: digitale reuk die geuren als data opslaat en verstuurt, technieken die de gezondheid volgen via onder meer de adem, elektronische neuzen en generatief geurontwerp. Maar dat zijn toekomstige mogelijkheden. Dit artikel heeft geen parfum ontworpen.

Toelichting: wat dit artikel u vertelt als u parfum leert maken

Vanaf hier leest u geen conclusies van het artikel, maar de interpretatie van GrassAccord.

Geuren beschrijven is ontwerpen, niet alleen genieten

Als u in een parfumles aantekeningen over grondstoffen moet maken, vindt u dat misschien vervelend. U kunt toch gewoon ruiken, waarom zou u het opschrijven? Dit artikel zet die gewoonte in een ander licht, want enkele geurwoorden verklaarden de afstand tussen mengsels beter dan enorm veel moleculaire gegevens.

Natuurlijk zijn de woorden van een computer niet hetzelfde als de aantekeningen van een mens. Toch wijzen ze dezelfde kant op. Als u een geur in woorden opdeelt, wordt hij vergelijkbaar. Een aantekening die eindigt met 'lekker' helpt niet bij de volgende formule, maar 'sterk grasachtig, met nat hout aan het eind' wel.

Leer eerst de losse grondstoffen

De woorden zijn geleerd van enkelvoudige moleculen en verklaarden toch mengsels. Bij het leren van parfum maken is de volgorde hetzelfde. Als u de indruk van één grondstof scherp kent, kunt u lezen wat er bij het mengen gebeurt. Tijd besteden aan één grondstof vaak ruiken levert later meer op dan veel akkoorden maken.

Leen hierbij gerust een methode uit het lab. Zoals de onderzoekers de sterkte van componenten gelijktrokken, stemt u bij het vergelijken van grondstoffen de verdunning op elkaar af. Is de ene sterker, dan vergelijkt u de sterkte en niet het karakter. Een oordeel over onverdunde grondstoffen verandert vaak als u ze verdund ruikt.

Kies woorden met een smalle betekenis

Het woord natuurlijk is handig, maar omvat veel. Ga een stap dieper: wat is er precies natuurlijk aan? Schrijf op of het de geur van gemaaid gras is, van natte aarde of van geschild fruit. Zoals gezegd heeft het artikel dit niet bewezen, maar aan de werktafel ziet u snel dat woorden met een smalle betekenis meer helpen bij het volgende oordeel.

Bouw dezelfde indruk met andere ingrediënten

Het idee van metameren is een grote troost voor beginners. Ook als een grondstof niet te krijgen is of onder regels valt, kan dezelfde indruk met andere ingrediënten opnieuw worden gebouwd. Om op elkaar te lijken, hebben geuren niet per se dezelfde moleculen nodig.

Ook veel formules die GrassAccord verkoopt, gebruiken beroemde parfums als studiemateriaal. Maar lijken op iets is iets anders dan hetzelfde zijn. Dit onderzoek ging bovendien over de indruk van één moment. Hoe een geur in de tijd verandert, moet u zelf op de mouillette volgen.

Vertrouw uw neus, maar niet na één keer

Zelfs het gemiddelde oordeel van mensen komt bij herhaling op 0,74 uit. Als twee geuren die gisteren op elkaar leken vandaag anders ruiken, is er misschien niets mis met uw neus. Een oordeel schommelt nu eenmaal. Ruik bij belangrijke beslissingen een dag later opnieuw en vergelijk met uw eerste aantekening. Niet het getal, maar de gewoonte beschermt uw oordeel.

Meer neuzen zijn beter dan één

Het beste resultaat in dit artikel kwam niet van één briljant team, maar van het gemiddelde van verschillende teams. Bij het ruiken is het vergelijkbaar. Kunt u er alleen niet uitkomen, laat dan iemand anders ruiken. Een simpel 'dit lijkt op zeep' van iemand die niets van parfum weet, kan een waardevolle aanwijzing zijn.

AI verkleint alleen de keuze

De toekomst die dit onderzoek schetst, is niet een wereld zonder parfumeurs, maar een wereld waarin berekeningen de keuze verkleinen en de menselijke neus beslist. Het model beoordeelde nog niet wat goed of slecht is, en was zwak in de moeilijkste zone, die van 'bijna hetzelfde, maar toch anders'. Dat laatste stuk blijft voorlopig voor de menselijke neus.

Drie oefeningen voor aan de werktafel

Het zou zonde zijn om het artikel te lezen en het daarbij te laten. We brengen wat de onderzoekers deden in het klein naar uw werktafel. De verhoudingen bepaalt u zelf, passend bij uw grondstoffen en smaak.

Oefening 1. Maak uw eigen geurwoordenboek

Kies tien grondstoffen die u vaak gebruikt en breng ze een voor een op een mouillette aan. Schrijf per grondstof maar drie woorden op. Laat oordeelswoorden als 'lekker' weg en gebruik alleen woorden die naar de geur wijzen, zoals fruit, gras, hout of zeep. Dek een week later de namen af, schrijf opnieuw en vergelijk. De woorden die blijven staan, zijn het ware gezicht van die grondstof.

Oefening 2. Een driehoekstest thuis

Maak twee proefversies die op elkaar lijken. Breng op twee van de drie mouillettes dezelfde versie aan en op de derde de andere, en markeer dat aan de onderkant. Vraag iemand de volgorde te husselen en kies de afwijkende mouillette. Wijst u hem steeds goed aan, dan zijn de twee versies te onderscheiden geuren. Blijft u op het toevalsniveau (één op de drie), dan zijn ze voor uw neus op dit moment bijna hetzelfde.

Oefening 3. Meet de afstand van uw neus

Schrijf de afstand tussen twee geuren op als getal tussen 0 en 1. 0 is niet te onderscheiden, 1 is totaal verschillend. Noteer een paar of vijf en geef de volgende dag opnieuw een score in dezelfde volgorde. Aan hoe sterk de getallen schommelen, ziet u de bandbreedte van uw oordeel. Schommelen mag. Die bandbreedte kennen is het doel van deze oefening.

Waar u op moet letten bij dit artikel

• Het is geen parfumonderzoek. Het gaat over moleculemengsels voor onderzoek. Dat betekent niet dat het direct op parfumformules toepasbaar is.
• De toets had niet veel opgaven. De eerste toets had 46 paren. Daarom konden de beste teams niet worden gerangschikt, en de onderzoekers vragen om voorzichtigheid bij de resultaten van kleine groepen.
• Sterk in het middengebied. De trainingsgegevens zijn geconcentreerd op afstanden van 0,5 tot 0,8, dus het model is zwakker bij paren die heel gelijk of heel verschillend zijn.
• De meetmethoden zijn gemengd. Driehoekstesten en scores zijn op één schaal gezet, dus er kan een vertekening per methode overblijven.
• Sterkte is nog onvoldoende meegenomen. Meestal zijn componenten met gelijkgetrokken sterkte gebruikt. In echte geuren is sterkte een grote variabele.
• Onbekend of het werkt bij nieuwe moleculen. Het bereik van de geteste moleculen is smal.
• Over de interpretatie bestaat onenigheid. Volgens het artikel zijn er onderzoekers die het oneens zijn met de opvatting dat de geur van een mengsel grotendeels wordt bepaald door overlappende woorden.
• Adviesrelaties met bedrijven zijn bekendgemaakt. Het artikel meldt dat een deel van de auteurs advies geeft aan bedrijven op het gebied van reuk.

Begrippen uit dit artikel

• Enkelvoudig molecuul — een geurstof die uit één soort molecuul bestaat.
• Mengsel — een combinatie van meerdere moleculen. In dit onderzoek ongeveer 10 componenten.
• Afstand — een waarde van 0 tot 1 die aangeeft hoe verschillend twee geuren overkomen. 0 is niet te onderscheiden, 1 is het meest verschillend.
• Driehoekstest — een methode om onderscheidingsvermogen te meten door uit drie items het afwijkende te laten kiezen.
• Correlatiecoëfficiënt — een getal dat aangeeft hoe sterk twee waarden samen bewegen. Hoe dichter bij 1, hoe meer ze samen bewegen.
• Gemiddelde fout (RMSE) — hoeveel een voorspelling gemiddeld van de werkelijkheid afwijkt. Hoe kleiner, hoe beter.
• Gezamenlijk model (ensemble) — één model dat ontstaat door de voorspellingen van meerdere modellen te middelen.
• Woordinformatie (semantische kenmerken) — waarden waarmee de computer voorspelt met welke geurwoorden een molecuul benoemd zou worden.
• Principal Odor Map (POM) — een model uit eerder onderzoek dat geurwoorden voorspelt uit de molecuulstructuur. Veel teams in deze wedstrijd gebruikten het als ingrediënt.
• Metameren — paren mengsels die op elkaar lijken zonder overlappende componenten.
• Akkoord — een geureenheid waarin meerdere grondstoffen zo zijn gemengd dat ze als één indruk klinken.
• Formule — het ontwerp waarin staat welke grondstoffen u in welke verhouding mengt om één geur te maken. Dat is wat GrassAccord verkoopt.

Tot slot

De neus heeft nog geen regel zoals rood, groen en blauw. Maar de eerste aanwijzing die 26 teams samen vonden, lag verrassend genoeg aan de kant van de menselijke taal. Een paar woorden waarmee we geuren benoemen, verklaarden de afstand tussen twee geuren beter dan lange beschrijvingen van moleculen.

En het meten van die afstand tot het einde toe blijft het werk van de menselijke neus. De neus wankelt, modellen neigen naar het midden. Omdat geen van beide perfect is, blijft rustig ruiken aan een mouillette, het in woorden opschrijven en de volgende dag opnieuw ruiken de betrouwbaarste methode.

Als u net begonnen bent met parfum maken, is dit goed nieuws. Zonder dure apparatuur, met mouillettes en een notitieboek, kunt u de weg inslaan die dit onderzoek aanwijst. Geur is een universele taal. GrassAccord gaat graag met u mee terwijl u de woorden van die taal een voor een verzamelt.

Bron van het artikel: Vahid Satarifard, Laura Sisson, Yikun Han e.a. "A semantic-based community model for high-fidelity tuning of olfactory mixture distances." PNAS 123(32), e2611057123, gepubliceerd op 4 augustus 2026. Origineel: https://doi.org/10.1073/pnas.2611057123 · Alle cijfers in dit artikel komen uit de tekst van het onderzoek; de formulering is een samenvatting en toelichting van GrassAccord. Het deel 'Toelichting' bevat geen conclusies van het artikel, maar de interpretatie van GrassAccord.