氣味混合預測的鑰匙竟是詞彙 — GrassAccord帶您讀論文《預測氣味混合物之間的距離》

氣味混合能預測嗎？設想您面前放著兩張試香紙。一張上的香由10種分子混合而成。另一張也混合了10種分子，但沒有一種與前者相同。然而在人的鼻子聞來，這兩種香卻相當接近。

為什麼會這樣？在動手混合之前，能不能先知道結果？今年8月刊登於《美國國家科學院院刊》(PNAS)的一篇論文，記錄了全球26支研究團隊共同挑戰這個老問題的過程。

結果出人意料。最能猜中混合物氣味的鑰匙，並不是直接解讀分子的形狀。經過「像水果」「像青草」這類描述氣味的詞彙時，預測才最準確。

如果您已經開始學調香，也許有過這樣的困惑：

• 把香氣寫成文字，真的有助於提升實力嗎？
• 昨天還相似的兩款香，今天聞起來卻不一樣，是我的鼻子出了問題嗎？
• 人工智慧是不是很快就能替我調配和弦了？

這篇論文對這三個問題都給出了線索。前半部介紹研究團隊做了什麼、發現了什麼；後半部附上我們的解讀，聊聊學調香的您可以怎樣在調香台前運用這些結果。陌生的術語都放在文末另外說明，請放心閱讀。

首先，這是一篇什麼樣的論文？

• 標題：A semantic-based community model for high-fidelity tuning of olfactory mixture distances(以詞義為基礎、精細校準氣味混合物之間距離的群體模型)
• 作者：以瓦希德·薩塔里法德(Vahid Satarifard)、巴勃羅·梅爾(Pablo Meyer)為核心的大型合作團隊。耶魯大學、洛克斐勒大學、莫內爾化學感官中心、魏茲曼科學研究院、IBM研究院等多國機構參與其中，以嗅覺研究聞名的萊絲莉·沃斯霍爾(Leslie B. Vosshall)、諾姆·索貝爾(Noam Sobel)、喬爾·梅恩蘭(Joel D. Mainland)也是共同作者。
• 刊登於：《美國國家科學院院刊》(PNAS)第123卷第32期，2026年8月4日刊登。這是經過期刊審查的論文。
• 閱讀原文：doi.org/10.1073/pnas.2611057123 — 任何人都可免費閱讀(英文)。
• 注意：這項研究處理的是研究用的分子混合物，不是香水。作者本身也只是把香水設計列為未來的應用領域之一。

為什麼選這篇論文？

在第一篇論文介紹中，我們用數字俯瞰了約17萬款香水，那是一張市場與文化的地圖。這一次方向正好相反，我們要細看坐在兩張試香紙前的人的鼻子。

調香說到底是混合的工作。可是眼睛和耳朵擁有的規則，鼻子至今還沒有。紅、綠、藍可以調出螢幕上的顏色，聲音可以用頻率來分解說明。研究團隊指出，嗅覺目前還沒有可與之相比的架構。所以調香師長期以來只能仰賴經驗和鼻子。

這篇論文在這片空白上，第一次架起了一座相當堅固的橋。這座橋還沒有完工。但它誠實地呈現了走到了哪裡、又在哪裡中斷，因此對學調香的您來說是很好的學習材料。

繪製鼻子地圖的嘗試

進入正題之前，先看看這場競賽為什麼會舉辦。

單一分子的氣味已經相當能猜中了

只看分子結構來猜氣味，長久以來是出了名的難題。不過近十年來情況變了。第一屆DREAM嗅覺挑戰賽證明，電腦可以從分子結構預測出大蒜味、甜味、花香這類氣味描述。

2023年出現了名為「主要氣味圖譜(POM)」的模型。這是一張把分子結構安放到氣味空間裡的地圖。根據論文，這個模型在預測氣味描述方面，成績超過了評測小組中水準居中的人。這次競賽的許多團隊都用它作為材料。

然而世上的氣味大多是混合的

問題出在下一步。咖啡、鮮花、香水，我們日常聞到的氣味大多是幾十到幾百種分子的混合物。即使猜中了單一分子，猜不中混合後的結果，在現實中也很難派上用場。

調過香的您一定深有體會。把兩種好原料混在一起，有時聞到的與期待完全不同，有時加進去的原料好像消失了。人們需要一個公開的基準來預測混合物，於是便有了多支團隊同題競技的競賽。

26支團隊的競賽是怎麼進行的？

把分散的實驗匯集到一起

研究團隊首先把先前分別進行的三項研究的六組資料合而為一。合併後的規模如下：

• 單一分子168種
• 不同的混合物731種
• 比較兩種混合物的測量507次

由於實驗方式各不相同，所有結果都被換算到同一把尺上。0表示兩種香無法區分，1表示差異已到極限。研究團隊把這個數字稱為氣味距離。就像在地圖上量兩座城市之間的距離一樣，量的是兩種香之間的距離。

競賽持續了三個月

這場競賽名為DREAM挑戰賽。多支團隊圍繞同一問題，公開較量預測能力。26支團隊用約三個月打磨人工智慧模型，最後用隱藏了答案的46對混合物進行最終測試。

練習題每週最多可提交三次並查看分數。競賽期間共提交了159次練習預測，堅持到最終測試的有19支團隊。

勝負並不乾脆。D2Smell、UMich CASI、ChemSenSim Lab、belfaction四支團隊並列第一。研究團隊認為，測試題只有46對，很難分出高下。因此他們沒有選出一支團隊，而是把排名前六的模型的預測取平均，做成了聯合模型。這篇論文的主角正是這個聯合模型。

用人的鼻子確認了兩次

替人工智慧的答案評分的，是人的鼻子。測試共有兩次。

• 第一次測試(紐約，洛克斐勒大學) — 34人參加。92種混合物組成46對，每種混合物由互不重疊的10種成分構成。採用三點測試，也就是從三瓶中選出氣味不同的一瓶。
• 第二次測試(費城，莫內爾化學感官中心) — 競賽結束後由16人參加。用新設計的59種混合物組成50對，每種混合物含9~11種成分。參加者直接為兩種香的相似程度評分。

第二次測試設了一個有趣的保險。讓參加者比較大蒜味分子和鳳梨味分子，再讓他們把草莓香分子和它自己比較。參加者判斷前一對很遠、後一對非常近。這證明尺確實在正常運作。

只需先記住兩個數字

這篇論文裡有兩個數字反覆出現。它們也許聽起來有點難，我們先簡單抓個感覺。

相關係數表示預測與實際在多大程度上朝同一方向變化。1表示完全同步，0表示毫無關係。0.61並不是說猜中了61%。您只要理解為：人覺得更遠的那些配對，模型大致上也判斷為更遠，就足夠了。

平均誤差(論文中的RMSE)表示預測平均偏離實際距離多少。越小越好。0.08的意思是，在0~1的尺度上大約偏差這麼多。

所以可以這樣記：相關係數看「順序猜得準不準」，平均誤差看「數值有多接近」。

聯合模型猜得有多準？

大幅領先現有方法

在第一次測試中，聯合模型的平均誤差為0.08，相關係數為0.57。與現有的代表性方法相比，誤差減少約33%，相關係數提高53%。它也勝過了競賽中任何一支團隊的單獨模型。

這裡有一點值得留意。競賽結束後，研究團隊只挑選看起來最重要的特徵，重新做了一個模型。但這個模型沒能追上聯合模型，只停留在頂尖單支團隊的水準。研究團隊的解釋是：光挑選好材料還不夠，不同的做法匯集起來才能達到那個水準。

面對沒見過的題目也站穩了腳步

只會做競賽題的模型用處不大。因此競賽結束後，又用新設計的50對重新測試。聯合模型的平均誤差增大到0.13，但仍維持了良好的表現。考慮到場地、參加者和測試方式都不同，這一點意義重大。

不同類型的題目，成績也不同

最終測試的46對分為三組：隨機組成的16對、由人設計成聞起來相似的20對、用現有距離演算法調成相似的10對。參賽團隊並不知道哪一對屬於哪一組。

聯合模型的平均誤差在兩個設計組中較小，分別為0.07和0.06，在隨機組中為0.10。相關係數則相反，隨機組略高，為0.45，另外兩組為0.38。研究團隊補充說，由於配對數量少，小組的數字要謹慎解讀。

詞彙勝過了分子結構

這篇論文中最常被引用的結果，大概就是這一項。

只留下詞彙，結果反而更好

研究團隊做了一項實驗，把模型的材料一樣一樣拿掉。他們去掉分子的化學特徵、體內受體資訊和混合物資訊，只保留相當於描述氣味的詞彙的資訊。

結果令人驚訝。只留詞彙的聯合模型在第一次測試中，相關係數為0.61，平均誤差為0.075，反而優於使用全部材料的聯合模型。在第二次測試中，相關係數為0.54，高出15%。

相反地，去掉詞彙的模型明顯變差。第一次測試中相關係數跌到0.41，第二次測試中接近隨機猜測的水準。

這裡說的「詞彙」是什麼？

這裡容易誤解，我們說得準確一些。輸入的並不是人聞了混合物後寫下的試香筆記。電腦先看分子的結構，預測「人們會怎樣稱呼這個分子」。也就是替水果香、青草香這樣的138個詞標上機率。然後用這樣得到的詞彙組合來比較兩種混合物。

也就是說，不是從分子直接走到氣味距離，而是經過詞彙這個中繼站。令人驚訝的是，這些詞彙是從純淨的單一分子而不是混合物學到的，卻很好地解釋了混合物之間的距離。

研究團隊又向前邁了一步。他們認為，混合物的氣味也許並不遵循與單一分子根本不同的原理。難點可能不在「混合階段」，而在「從分子到氣味的階段」。不過論文也同時寫明，有研究者反對這種看法。

哪些詞彙最有力量？

有一支團隊把138個詞歸成12類來使用。在該團隊的模型中，影響最大的幾類是水果香、青草與香草植物香，以及堅果·油脂·烘烤香。

每個詞的表現也不一樣。在同一支團隊的分析中，青綠、潔淨、干邑與誤差減少相關，紫羅蘭、芳香、天然則與誤差增加相關。研究團隊明確表示，這一結果很難直接解讀。不過，像天然這樣含義寬泛的詞夾在其中，確實很有意思。這是我們的感受，不是論文的結論。

並不需要太多材料

研究團隊按模型依序累加影響力大的特徵。準確度高的模型中，有三個用不到100個特徵就達到了全部影響力的一半。也有模型需要約1,000個，差距相當大。也就是說，解釋氣味距離不一定需要大量複雜的材料。

人的鼻子也會搖擺

人的紀錄就是上限

這是這篇論文最誠實的部分。研究團隊還測量了同一批人重新判斷時，答案有多一致。在第二次測試中，參加者間隔一天以上判斷了兩次，兩次結果的相關係數為0.74。第一次測試各取一半比較的數值為0.69。

細想也是理所當然。即使是取平均後的人類判斷，也無法完美重複。所以模型很難比人更像人。只留詞彙的模型的0.61和0.54，還沒有觸及這個上限。研究團隊也承認，模型與人之間仍有差距。

非常相似或非常不同時，最容易出錯

模型最準確的是距離0.5~0.8的區間，因為訓練資料集中在這一段。據說隨機混合的混合物大多落在這個範圍內。

反過來，在0.5以下或0.8以上，誤差就變大了。模型表現出把預測往中間拉的習慣。把非常相似的配對估得比實際稍遠，把非常不同的配對估得比實際稍近。

這一點對調香師很重要。實際工作中最難的判斷，就是分辨「幾乎一樣卻總有哪裡不同」的兩個試樣。這樣的區間恰恰是目前模型最弱的地方。

新模型並非總能獲勝

把第二次測試按距離分成五個區間來看，在最相似的區間，較早的模型主要氣味圖譜誤差更小。在其餘四個區間，聯合模型和只留詞彙的模型領先。這說明整體平均好，並不代表每個區間都好。

和真正的香水有什麼不同？

這項研究不能直接搬到香水上。實驗室的混合物和真實的香水之間有很大差別。

• 強度已調齊的混合物 — 大多數資料事先調齊了成分的強度。在真實的香氣中，強的成分會掩蓋弱的成分，氣味的性格也隨濃度而變。研究團隊寫道，處理強度是今後的課題。
• 成分數量 — 測試用的混合物約有10種成分。研究團隊說明，我們日常遇到的氣味大多是幾十到幾百種分子的混合物。
• 有限的原料 — 所用分子的範圍很窄。對於沒見過的分子是否有效，目前還不知道。
• 一瞬間的判斷 — 這項研究問的是兩種香有多相似。它沒有問香氣如何隨時間變化，也沒有問人們是否喜歡這款香。

請特別記住最後一項。距離只說明兩種香有多不同，並不說明哪一種更好。

還有一點令人欣喜。研究團隊公開了全部資料、模型和程式碼。也就是說，任何人都能用同樣的問題測試更好的方法。不過，公開並不代表已有工具能讓調香師輸入兩個和弦就立刻得到距離。目前它更像是給研究者的基準線。

同嗅異譜：材料不同，香氣相同

論文使用的資料中，有一份來自嘗試製造嗅覺metamer(本文譯作「同嗅異譜」)的研究。同嗅異譜是指沒有共同成分、聞起來卻相似的混合物配對。就像顏色裡的現象：光的組成不同，看起來卻是同一種顏色。

研究團隊預期，藉助這次的結果，可以在電腦上有效率地產生虛擬的同嗅異譜並進行實驗。順序是先透過計算挑出候選，再由人確認。

作者列舉的應用領域很廣：把氣味當作資料來儲存和傳輸的數位嗅覺、透過呼氣等監測健康的技術、電子鼻，以及生成式香料設計。不過這些只是未來的可能性，這篇論文並沒有實際設計出香水。

解讀：這篇論文想告訴學調香的您

從這裡開始不是論文的結論，而是GrassAccord的解讀。

把香寫成文字，不是欣賞，而是設計

在調香課上被要求寫原料筆記時，很多人覺得麻煩：反正用鼻子聞就好，為什麼還要寫下來？這篇論文讓人重新看待這個習慣。因為幾個氣味詞，比大量分子資訊更能解釋混合物之間的距離。

當然，電腦的詞彙和人的筆記並不相同。但方向是相通的。把香用詞彙拆開，就可以比較了。以「好聞」收尾的筆記用不到下一次配方上，而「青草味很強，尾韻留下濕木頭」這樣的筆記就用得上。

從單一原料開始熟悉

這些詞彙是從單一分子學來的，卻解釋了混合物。學調香的順序也一樣。把一種原料的印象了解清楚，才讀得懂混合時發生了什麼。與其做很多和弦，不如多聞幾次同一種原料，日後的回報更大。

這時不妨借用實驗室的一個方法。就像研究團隊調齊成分的強度一樣，比較原料時請調齊稀釋濃度。如果只有一方較濃，比較的就是強度，而不是原料的性格。用原液聞出的判斷，稀釋後再聞常常會改變。

選用含義窄的詞

天然這個詞很方便，但裝了太多東西。請再往下走一層，想想到底是什麼「天然」。寫下來：是割草的氣味、濕土，還是剝開皮的水果。前面說過，這不是論文證明的內容，但含義越窄的詞越有助於下一次判斷，這一點在調香台前很快就能驗證。

用不同的材料做出相同的印象

同嗅異譜這個概念對初學者是很大的安慰。即使某種原料買不到或受到法規限制，相同的印象也可以用別的材料重新搭建。 要聞起來相似，不一定需要相同的分子。

GrassAccord販售的配方中，也有不少以著名香水為學習材料。不過相似和相同是兩回事。這項研究處理的也只是一瞬間的印象。隨時間如何變化，還需要您把試香紙放在一旁親自觀察。

相信自己的鼻子，但別只信一次

即使是取平均後的人類判斷，重新測量也只有0.74。昨天相似的兩款香今天聞起來不同，未必是鼻子出了問題。判斷本來就會搖擺。重要的決定請隔一天再聞，並與最初的筆記對照。守護判斷的不是數字，而是習慣。

多個鼻子勝過一個鼻子

這篇論文中表現最好的，不是某一支出色的團隊，而是不同團隊的平均。試香也差不多。自己拿不定主意時，請讓別人聞一聞。不懂調香的人一句「像肥皂」，有時就是珍貴的提示。

人工智慧只是幫您縮小候選範圍

這項研究描繪的未來，與其說是調香師消失的世界，不如說是用計算縮小候選、由人用鼻子決定的世界。模型尚未判斷好壞，在最難的「幾乎一樣卻不同」的區間也表現較弱。這最後一段路，暫時還要靠人的鼻子。

在調香台前馬上可以做的三個練習

讀完論文就結束太可惜了。我們把研究團隊做的事縮小，搬到調香台上試試。比例請根據各自的原料和喜好來決定。

練習1. 做一本自己的香氣詞彙本

選十種常用原料，分別沾在試香紙上。每種原料只寫三個詞。不寫「好聞」這類評價的詞，只用水果、青草、木頭、肥皂這類指向氣味的詞。一週後遮住名稱再寫一次，比較一下。留下來的詞，就是那種原料真正的面孔。

練習2. 在家做三點測試

準備兩個相似的試樣。三張試香紙中，兩張沾同一個試樣，一張沾另一個試樣，並在背面做記號。請別人打亂順序，然後選出不同的那一張。如果多次都選對，這兩個試樣就是可以區分的香；如果選對的次數停留在隨機猜測的水準(三次一次)，那麼對您現在的鼻子來說，它們幾乎是同一款香。

練習3. 測量自己鼻子的距離

把兩款香的距離寫成0到1之間的數字。0是無法區分，1是完全不同。寫下大約五對，第二天按相同順序重新評分。看看數字搖擺多少，就能知道自己判斷的幅度。搖擺也沒關係。了解這個幅度，正是這項練習的目的。

讀這篇論文時要注意的地方

• 這不是香水研究。 它處理的是研究用的分子混合物，並不代表可以直接用於香水配方。
• 測試題不多。 第一次測試只有46對。因此無法分出頂尖團隊的名次，研究團隊也提醒要謹慎解讀小組的結果。
• 擅長中間區間。 訓練資料集中在距離0.5~0.8，對非常相似或非常不同的配對較弱。
• 資料的測量方式混雜。 三點測試和評分被換算到同一把尺上，可能殘留方式帶來的偏差。
• 強度處理得還不夠。 大多使用強度調齊的成分。在真實香氣中，強度是很大的變數。
• 不知道對新分子是否有效。 測試所用分子的範圍很窄。
• 解讀存在反對意見。 論文說明，有研究者不同意「混合物的氣味大致由詞彙重疊決定」的看法。
• 與企業的顧問關係已公開。 論文說明，部分作者擔任嗅覺相關企業的顧問。

文中出現的詞

• 單一分子 — 由一種分子構成的香氣物質。
• 混合物 — 多種分子混合而成。本研究中約有10種成分。
• 距離 — 用0~1表示兩種氣味聞起來有多不同的數值。0為無法區分，1為差異最大。
• 三點測試 — 讓人從三個樣品中選出不同的一個，以測量分辨能力的方法。
• 相關係數 — 表示兩個數值有多同步變化的數字。越接近1，越同步。
• 平均誤差(RMSE) — 預測平均偏離實際的大小。越小越好。
• 聯合模型(集成模型) — 把多個模型的預測取平均後合成的一個模型。
• 詞彙資訊(語意特徵) — 電腦預測某個分子會被哪些氣味詞稱呼的數值。
• 主要氣味圖譜(POM) — 先前研究提出的模型，根據分子結構預測氣味詞。這次競賽的許多團隊都用它作為材料。
• 同嗅異譜(metamer) — 成分不重疊、聞起來卻相似的混合物配對。
• 和弦(Accord) — 把多種原料混合，讓它們聽起來像一個整體印象的香氣單位。
• 配方 — 寫明用哪些原料、以什麼比例混合成一款香的設計圖。也就是GrassAccord販售的東西。

結語

鼻子至今還沒有紅、綠、藍那樣的規則。但26支團隊共同找到的第一條線索，竟然出現在人類語言這一邊。比起分子的長篇說明，幾個描述氣味的詞彙更能解釋兩種香之間的距離。

而把這個距離量到最後的，仍然是人的鼻子。鼻子會搖擺，模型會偏向中間。正因為兩者都不完美，在試香紙前慢慢聞、用詞彙寫下來、第二天再聞一次，至今仍是最可靠的方法。

對剛開始調香的您來說，這是個好消息。不需要昂貴的設備，只要試香紙和一本筆記本，就能走上這項研究指出的道路。香是萬國共通的語言。 在您一個一個收集這種語言的詞彙的路上，GrassAccord與您同行。

論文出處：Vahid Satarifard, Laura Sisson, Yikun Han等. "A semantic-based community model for high-fidelity tuning of olfactory mixture distances." PNAS 123(32), e2611057123，2026年8月4日刊登。原文：https://doi.org/10.1073/pnas.2611057123 · 本文的數字全部摘自論文正文，文字由GrassAccord摘要並解讀。「解讀」一章不是論文的結論，而是GrassAccord的解讀。