Суміші ароматів: ключ у словах — GrassAccord читає дослідження «Як передбачити відстань між сумішами запахів»

Уявіть, що перед вашим носом лежать два блотери. На одному — суміш ароматів із десяти молекул. На другому — теж суміш із десяти молекул, але жодна з них не збігається з першими. І все ж ваш ніс відчуває ці два аромати досить схожими.

Чому так стається? І чи можна дізнатися результат ще до змішування? Стаття, що вийшла в серпні в журналі Національної академії наук США (PNAS), розповідає, як за це давнє питання разом узялися 26 дослідницьких команд з усього світу.

Результат виявився несподіваним. Найкращим ключем до запаху сумішей стало не пряме читання форми молекул. Передбачення було найточнішим тоді, коли проходило через слова, якими ми називаємо запахи, наприклад «фруктовий» чи «трав'яний».

Якщо ви почали займатися парфумерією, можливо, вас теж непокоїли такі питання.

• Чи справді мені допоможе опис ароматів словами?
• Учора два аромати здавалися схожими, а сьогодні вони різні. Щось не так із моїм носом?
• Чи не складатиме незабаром штучний інтелект акорди замість мене?

Ця стаття дає підказки щодо всіх трьох питань. У першій частині ми розповімо, що зробила дослідницька команда й що вона знайшла, а в другій додамо наш коментар про те, як застосувати ці результати за робочим столом парфумера. Незнайомі слова ми пояснили окремо наприкінці, тож читайте спокійно.

Спершу: що це за дослідження?

• Назва: A semantic-based community model for high-fidelity tuning of olfactory mixture distances (Спільна модель на основі значення слів для точного визначення відстаней між сумішами запахів)
• Автори: Велика спільна дослідницька група, яку очолюють Вахід Сатаріфард (Vahid Satarifard) і Пабло Меєр (Pablo Meyer). Участь узяли установи з кількох країн, зокрема Єльський університет, Рокфеллерівський університет, Центр хімічних чуттів Монелла, Інститут Вейцмана та дослідницький підрозділ IBM. Співавтори також відомі дослідники нюху Леслі Фосхол (Leslie B. Vosshall), Ноам Собель (Noam Sobel) і Джоел Мейнленд (Joel D. Mainland).
• Де вийшла: PNAS, том 123, випуск 32, опубліковано 4 серпня 2026 року. Стаття пройшла рецензування в журналі.
• Оригінал: doi.org/10.1073/pnas.2611057123 — кожен може прочитати безкоштовно (англійською).
• На що зважати: Дослідження стосується не парфумів, а дослідницьких сумішей молекул. Автори теж згадують створення парфумів лише як одну з можливих майбутніх сфер застосування.

Чому ми обрали цю статтю?

У першому огляді статті ми дивилися згори, через цифри, на близько 170 тисяч парфумів. То була мапа ринку й культури. Цього разу йдемо в протилежний бік і зазираємо в ніс людини, яка сидить перед двома блотерами.

Парфумерія зрештою — це мистецтво змішування. Але правил, які мають очі й вуха, для носа ще немає. З червоного, зеленого й синього складаються кольори на екрані, а звук можна описати через частоти. Дослідники кажуть, що нюх поки не має подібної основи. Тому парфумери довго покладалися на досвід і свій ніс.

Ця стаття вперше кладе через цю прогалину досить міцний міст. Міст ще не завершений. Але вона чесно показує, куди він дійшов і де обривається, і тому це добрий матеріал для тих, хто вчиться парфумерії.

Спроба намалювати мапу носа

Перш ніж перейти до головного, подивімося, навіщо взагалі провели цей конкурс.

Запах однієї молекули вже вгадують досить добре

Вгадати запах лише за будовою молекули довго було горезвісно складною задачею. Але за останні десять років ситуація змінилася. Перший нюховий конкурс DREAM показав, що комп'ютер може передбачати за будовою молекули такі описи запаху, як часник, солодкий чи квітковий.

У 2023 році з'явилася модель під назвою головна мапа запахів (POM). Це мапа, що розміщує будови молекул у просторі запахів. Як ідеться в статті, ця модель у передбаченні описів запаху показала кращий результат, ніж середній учасник групи оцінювачів. Багато команд цього конкурсу використали саме цю мапу як вихідний матеріал.

Але більшість запахів світу — це суміші

Проблема починається далі. Запахи, які ми відчуваємо щодня, як-от кава, квіти чи парфуми, зазвичай є сумішами десятків чи сотень молекул. Якщо вгадати одну молекулу, але не суміш, у реальному світі користі буде мало.

Хто пробував парфумерію, добре знає цю складність. Ви змішуєте дві хороші сировини, а виходить щось зовсім не те, чого чекали, або додана сировина наче зникає. Потрібен був публічний еталон для передбачення сумішей, тож провели конкурс, де кілька команд змагалися над однією задачею.

Як проходив конкурс 26 команд?

Розрізнені експерименти зібрали докупи

Спершу дослідники об'єднали шість наборів даних із трьох окремих досліджень. Обсяг вийшов таким.

• 168 окремих молекул
• 731 різна суміш
• 507 вимірювань, що порівнювали дві суміші

Оскільки методи експериментів різнилися, усі результати перевели на одну шкалу. 0 означає, що два аромати неможливо розрізнити, а 1 — що вони не можуть відрізнятися ще більше. Дослідники називають це число відстанню між запахами. Як на мапі вимірюють відстань між двома містами, так тут вимірюють відстань між двома ароматами.

Три місяці змагань

Конкурс називається DREAM Challenge. У ньому кілька команд публічно змагаються в передбаченні на одній задачі. 26 команд близько трьох місяців удосконалювали свої моделі штучного інтелекту, а фінальним іспитом стали 46 пар сумішей із прихованими відповідями.

Тренувальні завдання можна було надсилати до трьох разів на тиждень і бачити бали. За час конкурсу надійшло 159 тренувальних передбачень, а до фінального іспиту дійшло 19 команд.

Чистої перемоги не було. Чотири команди, D2Smell, UMich CASI, ChemSenSim Lab і belfaction, поділили перше місце. Дослідники вважають, що за лише 46 пар відмінності було важко розрізнити. Тому замість вибору однієї команди вони створили спільну модель, яка усереднює передбачення шести найкращих моделей. Головна героїня цієї статті — саме ця спільна модель.

Людський ніс перевірив двічі

Відповіді штучного інтелекту оцінив людський ніс. Іспитів було два.

• Перший іспит (Нью-Йорк, Рокфеллерівський університет) — Узяли участь 34 людини. 92 суміші утворили 46 пар, а кожна суміш складалася з 10 компонентів, що не перетиналися. Використали трикутний тест: із трьох пляшечок треба обрати ту, що пахне інакше.
• Другий іспит (Філадельфія, Центр хімічних чуттів Монелла) — Після конкурсу взяли участь 16 людей. З 59 нових сумішей склали 50 пар, у кожній суміші було 9–11 компонентів. Учасники самі ставили бали за схожість двох ароматів.

Другий іспит мав цікавий запобіжник. Учасники порівнювали молекулу із запахом часнику з молекулою із запахом ананаса, а молекулу із запахом полуниці — із самою собою. Першу пару оцінили як далеку, другу — як дуже близьку. Це доводить, що шкала працює правильно.

Досить запам'ятати два числа

У статті постійно трапляються два числа. Вони можуть здаватися складними, тож розберімося просто.

Коефіцієнт кореляції показує, наскільки передбачення й дійсність рухаються в одному напрямку. 1 означає ідеальний спільний рух, 0 — жодного зв'язку. 0,61 не означає, що модель вгадала 61% відповідей. Досить розуміти, що пари, які люди відчули далекими, модель теж здебільшого визначає як далекі.

Середня похибка (у статті RMSE) показує, наскільки передбачення в середньому відхиляється від реальної відстані. Що менша, то краще. 0,08 означає, що на шкалі 0–1 модель помиляється приблизно на стільки.

Отже, коефіцієнт кореляції запам'ятайте як «чи вгадує порядок?», а середню похибку як «наскільки близькі значення?».

Наскільки добре передбачала спільна модель?

Вона помітно випередила наявні методи

На першому іспиті спільна модель показала середню похибку 0,08 і коефіцієнт кореляції 0,57. Порівняно з основними наявними методами похибка зменшилася приблизно на 33%, а коефіцієнт кореляції виріс на 53%. Вона була кращою й за модель будь-якої окремої команди конкурсу.

Тут варто звернути увагу на одне. Після конкурсу дослідники відібрали лише ознаки, що здавалися найважливішими, і побудували на них нову модель. Але вона не наздогнала спільну модель і залишилася на рівні найкращих окремих команд. Дослідники пояснюють це так: мало вибрати добрі вхідні дані, такого рівня досягають лише різні підходи разом.

Вона витримала й незнайомі задачі

Модель, яка добре розв'язує лише конкурсні задачі, мало корисна. Тому після конкурсу її знову перевірили на 50 нових парах. Середня похибка спільної моделі зросла до 0,13, але результат залишився добрим. Зважаючи на те, що місце, учасники й спосіб іспиту були іншими, це важливий результат.

Різні типи задач дали різні результати

46 пар фінального іспиту ділилися на три групи: 16 випадкових пар, 20 пар, створених людьми так, щоб вони здавалися схожими, і 10 пар, зрівняних за наявним способом обчислення відстані. Команди не знали, яка пара до якої групи належить.

Середня похибка спільної моделі була малою у двох створених групах, 0,07 і 0,06, а у випадковій групі становила 0,10. З коефіцієнтом кореляції вийшло навпаки: випадкова група була трохи вищою, 0,45, а дві інші мали 0,38. Дослідники додають, що пар мало, тож числа малих груп слід читати обережно.

Слова перемогли будову молекул

Мабуть, це буде найцитованіший результат статті.

Коли залишили лише слова, результат покращився

Дослідники поступово забирали з моделі вхідні дані. Вони прибрали хімічні властивості молекул, відомості про рецептори в тілі й про суміші, залишивши лише дані, що відповідають словам для запахів.

Результат вражав. Спільна модель лише зі словами на першому іспиті показала коефіцієнт кореляції 0,61 і середню похибку 0,075, тобто кращі значення, ніж спільна модель з усіма вхідними даними. На другому іспиті коефіцієнт кореляції становив 0,54, що на 15% вище.

Натомість модель без слів помітно погіршилася. На першому іспиті її коефіцієнт кореляції впав до 0,41, а на другому наблизився до рівня випадкового вгадування.

Що тут означає «слово»?

Тут легко помилитися, тож уточнімо. Це не означає, що люди понюхали суміш і їхні нотатки ввели в комп'ютер. Комп'ютер дивиться на будову молекули й спершу передбачає, як би її назвали люди. Він призначає ймовірності 138 словам, наприклад фруктовий чи трав'яний. За отриманим поєднанням слів порівнюються дві суміші.

Тобто шлях веде не прямо від молекули до відстані між запахами, а через проміжну станцію — слова. Дивовижно те, що ці слова модель вивчила на чистих окремих молекулах, а не на сумішах, і все ж вони добре пояснили відстань між сумішами.

Дослідники йдуть ще на крок далі. Можливо, запах суміші утворюється не за принципово іншими законами, ніж запах окремої молекули. Складна частина, можливо, не «змішування», а «перехід від молекули до запаху». Втім, стаття водночас зазначає, що деякі дослідники не згодні з цією думкою.

Які слова мали найбільшу силу?

Одна з команд об'єднала 138 слів у 12 груп. У її моделі найбільший вплив мали фруктова, трав'яна й рослинна та горіхово-олійно-смажена групи.

Результати різнилися й за окремими словами. У тому самому аналізі цієї команди зелений, чистий і коньяк пов'язувалися зі зменшенням похибки, а фіалка, ароматичний і натуральний — з її зростанням. Дослідники наголошують, що цей результат важко тлумачити напряму. Та все ж цікаво, що серед них є таке широке за значенням слово, як натуральний. Це наше враження, а не висновок статті.

Багато вхідних даних не знадобилося

Дослідники для кожної моделі послідовно додавали ознаки з найбільшим впливом. Три з точних моделей досягли половини загального впливу менш ніж зі 100 ознаками. Деякій моделі знадобилося близько 1000, тож різниця велика. Отже, щоб пояснити відстань між запахами, зовсім не обов'язково потрібно багато складних вхідних даних.

Людський ніс теж коливається

Людський результат — це верхня межа

Це найчесніше місце статті. Дослідники виміряли й те, наскільки однаково відповідають ті самі люди, коли оцінюють повторно. На другому іспиті учасники оцінювали двічі з перервою щонайменше в один день, і коефіцієнт кореляції двох результатів становив 0,74. На першому іспиті порівняння двох половин дало 0,69.

Якщо подумати, це природно. Навіть усереднене людське судження не повторюється ідеально. Тож моделі важко вгадувати людське сприйняття краще за самих людей. Значення 0,61 і 0,54 моделі лише зі словами поки не досягли цієї межі. Дослідники теж визнають, що між моделлю й людиною залишається розрив.

Помилки трапляються, коли аромати дуже схожі або дуже різні

Найточнішою модель була в діапазоні відстані 0,5–0,8, бо там зосереджені дані для навчання. Випадково змішані суміші зазвичай потрапляють саме в цей діапазон.

Натомість нижче 0,5 і вище 0,8 похибка зростала. Моделі мали звичку тягнути передбачення до середини. Дуже схожі пари вони вважали трохи далекішими, ніж насправді, а дуже різні — трохи ближчими.

Для парфумера це важливо. Найскладніше рішення на практиці — розрізнити дві проби, «майже однакові, але чимось різні». Саме тут нинішня модель найслабша.

Нова модель перемагала не завжди

Коли другий іспит поділили за відстанню на п'ять діапазонів, у найсхожішому діапазоні меншу похибку мала попередня модель, головна мапа запахів. В інших чотирьох лідирували спільна модель і модель лише зі словами. Це показує, що добрий загальний середній результат ще не означає доброго результату в кожному діапазоні.

Чим це відрізняється від справжніх парфумів?

Це дослідження не можна просто перенести на парфуми. Між лабораторними сумішами й справжніми парфумами велика різниця.

• Суміші з вирівняною інтенсивністю — У більшості даних інтенсивність компонентів заздалегідь вирівняли. У справжньому ароматі сильні компоненти перекривають слабкі, а від концентрації змінюється й характер запаху. Дослідники пишуть, що робота з інтенсивністю — завдання на майбутнє.
• Кількість компонентів — У тестових сумішах було близько десяти компонентів. Дослідники пояснюють, що запахи, які ми зустрічаємо щодня, зазвичай є сумішами десятків чи сотень молекул.
• Обмежена сировина — Діапазон використаних молекул вузький. Поки невідомо, чи спрацює модель на незнайомих молекулах.
• Судження однієї миті — Дослідження запитувало, наскільки схожі два аромати. Воно не запитувало, як аромат змінюється з часом і чи подобається він людям.

Особливо запам'ятайте останній пункт. Відстань говорить лише про те, наскільки різні два аромати, але не про те, який кращий.

Є й одна приємна новина. Дослідники оприлюднили дані, моделі й код. Тобто кожен може випробувати кращий метод на тій самій задачі. Але це не означає, що з'явився інструмент, куди парфумер вводить два акорди й одразу отримує відстань. Поки що це радше базовий орієнтир для дослідників.

Метамери: інша сировина, той самий аромат

Один із наборів даних походить із дослідження, яке намагалося створити нюхові метамери. Метамери — це пари сумішей без спільних компонентів, які все ж відчуваються схожими. З кольорами це схоже на явище, коли світло різного складу ми бачимо одним кольором.

Дослідники очікують, що завдяки цим результатам віртуальні метамери можна буде ефективно створювати на комп'ютері й перевіряти. Спершу кандидатів добирають обчисленнями, а потім їх перевіряє людина.

Автори називають широкі сфери застосування: цифровий нюх, що зберігає й передає запахи як дані, технології стеження за здоров'ям, наприклад за диханням, електронний ніс і генеративне створення ароматичних речовин. Але це майбутні можливості, а сама стаття не створила жодного аромату.

Коментар: що це дослідження каже тим, хто вчиться парфумерії

Далі йдуть не висновки статті, а тлумачення GrassAccord.

Опис аромату словами — це не враження, а проєктування

Коли на заняттях із парфумерії просять вести нотатки про сировину, багатьом це здається морокою. Навіщо писати, якщо можна понюхати? Ця стаття змушує по-новому поглянути на цю звичку. Адже кілька слів для запахів пояснили відстань між сумішами краще, ніж безліч даних про молекули.

Звісно, слова комп'ютера й нотатки людини — не те саме. Але напрям спільний. Якщо розкласти аромат на слова, його можна порівнювати. Нотатка, що закінчується словом «гарно», не допоможе в наступному змішуванні, а «сильно трав'яний, наприкінці лишається мокре дерево» допоможе.

Починайте з окремої сировини

Слова вивчені на окремих молекулах, і все ж вони пояснили суміші. Порядок навчання парфумерії такий самий. Якщо ви чітко знаєте враження від однієї сировини, то зможете прочитати, що сталося при змішуванні. Час, витрачений на повторне нюхання однієї сировини, згодом віддячить більше, ніж створення багатьох акордів.

Тут варто запозичити один метод із лабораторії. Як дослідники вирівняли інтенсивність компонентів, так і ви вирівнюйте концентрацію розведення, коли порівнюєте сировину. Якщо одна сировина густіша, ви порівнюєте не характер, а інтенсивність. Висновки, зроблені на нерозведеній сировині, після розведення часто змінюються.

Обирайте слова з вузьким значенням

Слово натуральний зручне, але вміщує багато. Спробуйте спуститися на рівень нижче й записати, що саме натуральне. Запах скошеної трави, вологої землі чи очищеного фрукта? Як ми вже казали, стаття цього не довела, але за робочим столом ви швидко переконаєтеся: що вужче значення слова, то корисніше воно для наступного рішення.

Спробуйте створити те саме враження з іншої сировини

Поняття метамера — велика втіха й для початківців. Навіть якщо якусь сировину неможливо дістати або вона під обмеженнями, те саме враження можна збудувати заново з іншої сировини. Щоб відчуватися схожим, не обов'язково потрібні ті самі молекули.

Багато формул, які продає GrassAccord, теж беруть відомі парфуми як навчальний матеріал. Але схоже й однакове — це різні речі. Це дослідження теж стосувалося лише враження однієї миті. Як аромат змінюється з часом, вам варто спостерігати самим на блотері.

Довіряйте своєму носу, але не один раз

Навіть усереднене людське судження при повторному вимірюванні дає 0,74. Якщо два аромати, що вчора були схожими, сьогодні здаються різними, справа може бути не в носі. Судження за природою коливається. У важливих рішеннях понюхайте знову наступного дня й порівняйте з першою нотаткою. Судження оберігають не цифри, а звичка.

Кілька носів кращі за один

Найкращий результат у статті показала не одна видатна команда, а середнє різних команд. З оцінюванням ароматів так само. Коли не можете вирішити, дайте понюхати комусь іншому. Одна фраза людини, яка нічого не знає про парфумерію, «схоже на мило», може стати цінною підказкою.

Штучний інтелект лише звужує вибір

Майбутнє, про яке говорить це дослідження, — не світ без парфумерів, а радше світ, де обчислення звужують вибір, а людина вирішує носом. Модель ще не оцінювала, що добре, а що погано, і була слабкою саме в найскладнішому діапазоні «майже однакові, але різні». Цей останній діапазон поки залишається за людським носом.

Три вправи, які можна спробувати за робочим столом уже зараз

Шкода просто прочитати статтю й на цьому зупинитися. Зменшимо те, що зробили дослідники, і перенесемо це на робочий стіл. Пропорції визначайте самі — відповідно до вашої сировини й смаку.

Вправа 1. Створити власний словник ароматів

Виберіть десять видів сировини, якими часто користуєтеся, і нанесіть їх по одному на блотери. Для кожного запишіть лише три слова. Оцінні слова на кшталт «гарно» залиште осторонь і пишіть тільки слова, що вказують на запах, наприклад фрукт, трава, дерево, мило. Через тиждень закрийте назви, запишіть слова знову й порівняйте. Слова, що залишилися, — це справжнє обличчя цієї сировини.

Вправа 2. Трикутний тест удома

Підготуйте дві схожі проби. На два з трьох блотерів нанесіть одну пробу, на один — іншу й позначте їх знизу. Попросіть когось перемішати порядок, а потім оберіть відмінний. Якщо, повторюючи, ви постійно вгадуєте, це аромати, які розрізняються. Якщо влучань не більше, ніж при вгадуванні (один раз із трьох), для вашого носа вони наразі майже однакові.

Вправа 3. Виміряти відстань власним носом

Запишіть відстань між двома ароматами числом від 0 до 1. 0 означає, що ви їх не розрізняєте, 1 — що вони зовсім різні. Оцініть близько п'яти пар, а наступного дня оцініть їх знову в тому самому порядку. За тим, наскільки змістилися числа, ви дізнаєтеся ширину свого судження. Коливання — це нормально. Мета вправи — знати цю ширину.

На що зважати, читаючи це дослідження

• Це не дослідження парфумів. Йдеться про дослідницькі суміші молекул. Це не означає, що результати прямо застосовні до складання парфумів.
• Тестових задач небагато. Перший іспит мав 46 пар. Тому порядок найкращих команд визначити не вдалося, а дослідники закликають обережно читати результати малих груп.
• Сильна в середньому діапазоні. Дані для навчання зосереджені на відстані 0,5–0,8, тож модель слабка на дуже схожих або дуже різних парах.
• Способи вимірювання в даних змішані. Трикутні тести й бали переведено на одну шкалу, тож може залишатися упередження через метод.
• Інтенсивність враховано недостатньо. Здебільшого використано компоненти з вирівняною інтенсивністю. У справжніх ароматах інтенсивність — велика змінна.
• Невідомо, чи спрацює на нових молекулах. Діапазон молекул у тестах вузький.
• Тлумачення має й опонентів. Стаття зазначає, що деякі дослідники не згодні з думкою, ніби запах суміші переважно визначається перетином слів.
• Зв'язки з компаніями оприлюднено. Стаття повідомляє, що частина авторів консультує компанії, пов'язані з нюхом.

Слова з цього тексту

• Окрема молекула — ароматична речовина з одного виду молекул.
• Суміш — поєднання кількох молекул. У цьому дослідженні вона має близько десяти компонентів.
• Відстань — значення 0–1, яке показує, наскільки різними відчуваються два аромати. 0 — неможливо розрізнити, 1 — найбільша різниця.
• Трикутний тест — спосіб виміряти здатність розрізняти: треба обрати один відмінний із трьох.
• Коефіцієнт кореляції — число, яке показує, наскільки два значення рухаються разом. Що ближче до 1, то більше вони рухаються разом.
• Середня похибка (RMSE) — середній розмір відхилення передбачення від дійсності. Що менша, то краще.
• Спільна модель (ансамбль) — модель, що усереднює передбачення кількох моделей в одне.
• Інформація слів (семантичні ознаки) — значення, які передбачає комп'ютер щодо того, якими словами називають молекулу.
• Головна мапа запахів (POM) — модель із попереднього дослідження, що передбачає слова для запахів за будовою молекули. Багато команд цього конкурсу використали її як вихідний матеріал.
• Метамер — пара сумішей, які відчуваються схожими, хоча їхні компоненти не збігаються.
• Акорд — одиниця аромату, у якій кілька видів сировини змішано так, щоб вони звучали як одне враження.
• Формула — план, у якому записано, яку сировину і в яких пропорціях змішують, щоб створити аромат. Саме це продає GrassAccord.

На завершення

Ніс досі не має правил, подібних до червоного, зеленого й синього. Але першу нитку, яку разом знайшли 26 команд, несподівано виявили на боці людської мови. Кілька слів для запахів пояснили відстань між двома ароматами краще за довгі описи молекул.

А виміряти цю відстань до кінця й досі випадає людському носу. Ніс коливається, модель тягне до середини. Обидва неідеальні, тому й сьогодні найнадійніше повільно нюхати блотер, записувати словами й наступного дня понюхати знову.

Для тих, хто тільки починає складати аромати, це добра новина. Без дорогого обладнання досить кількох блотерів і зошита, щоб стати на шлях, який показало це дослідження. Аромат — це мова, зрозуміла всьому світу. На шляху, де ви збиратимете слова цієї мови одне за одним, GrassAccord буде поруч.

Джерело: Vahid Satarifard, Laura Sisson, Yikun Han та ін. "A semantic-based community model for high-fidelity tuning of olfactory mixture distances." PNAS 123(32), e2611057123, опубліковано 4 серпня 2026 року. Оригінал: https://doi.org/10.1073/pnas.2611057123 · Усі числа в цьому тексті взято зі статті, а сам текст — це стислий виклад і коментар GrassAccord. Розділ «Коментар» — це тлумачення GrassAccord, а не висновок статті.