气味混合预测的钥匙竟是词语 — GrassAccord带您读论文《预测气味混合物之间的距离》

气味混合能预测吗？设想您面前放着两张闻香纸。一张上的香由10种分子混合而成。另一张也混合了10种分子，但没有一种与前者相同。然而在人的鼻子闻来，这两种香却相当接近。

为什么会这样？在动手混合之前，能不能先知道结果？今年8月发表在《美国国家科学院院刊》(PNAS)上的一篇论文，记录了全球26支研究团队共同挑战这个老问题的过程。

结果出人意料。最能猜中混合物气味的钥匙，并不是直接读取分子的形状。经过“像水果”“像青草”这类描述气味的词语时，预测才最准确。

如果您已经开始学调香，也许有过这样的困惑：

• 把香气写成文字，真的有助于提高水平吗？
• 昨天还相似的两款香，今天闻起来却不一样，是我的鼻子出了问题吗？
• 人工智能是不是很快就能替我搭和弦了？

这篇论文对这三个问题都给出了线索。前半部分介绍研究团队做了什么、发现了什么；后半部分附上我们的解读，聊聊学调香的您可以怎样在调香台前运用这些结果。陌生的术语都放在文末单独解释，请放心阅读。

首先，这是一篇什么样的论文？

• 标题：A semantic-based community model for high-fidelity tuning of olfactory mixture distances(以词义为基础、精细校准气味混合物之间距离的群体模型)
• 作者：以瓦希德·萨塔里法德(Vahid Satarifard)、巴勃罗·迈耶(Pablo Meyer)为核心的大型合作团队。耶鲁大学、洛克菲勒大学、莫奈尔化学感官中心、魏茨曼科学研究所、IBM研究院等多国机构参与其中，以嗅觉研究闻名的莱斯利·沃斯霍尔(Leslie B. Vosshall)、诺姆·索贝尔(Noam Sobel)、乔尔·梅因兰(Joel D. Mainland)也是共同作者。
• 发表于：《美国国家科学院院刊》(PNAS)第123卷第32期，2026年8月4日发表。这是经过期刊评审的论文。
• 阅读原文：doi.org/10.1073/pnas.2611057123 — 任何人都可免费阅读(英文)。
• 注意：这项研究处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设计列为未来的应用领域之一。

为什么选这篇论文？

在第一篇论文介绍中，我们用数字俯瞰了约17万款香水，那是一张市场与文化的地图。这一次方向正好相反，我们要细看坐在两张闻香纸前的人的鼻子。

调香说到底是混合的工作。可是眼睛和耳朵拥有的规则，鼻子至今还没有。红、绿、蓝可以调出屏幕上的颜色，声音可以用频率来分解说明。研究团队指出，嗅觉目前还没有可与之相比的框架。所以调香师长期以来只能依靠经验和鼻子。

这篇论文在这片空白上，第一次架起了一座相当结实的桥。这座桥还没有完工。但它诚实地展示了走到了哪里、又在哪里中断，因此对学调香的您来说是很好的学习材料。

绘制鼻子地图的尝试

进入正题之前，先看看这场比赛为什么会举办。

单一分子的气味已经相当能猜中了

只看分子结构来猜气味，长期以来是出了名的难题。不过近十年来情况变了。第一届DREAM嗅觉挑战赛证明，计算机可以从分子结构预测出蒜味、甜味、花香这类气味描述。

2023年出现了名为“主要气味图谱(POM)”的模型。这是一张把分子结构安放到气味空间里的地图。据论文介绍，这个模型在预测气味描述方面，成绩超过了评测小组中水平居中的人。这次比赛的许多团队都用它作为材料。

然而世上的气味大多是混合的

问题出在下一步。咖啡、鲜花、香水，我们日常闻到的气味大多是几十到几百种分子的混合物。即使猜中了单个分子，猜不中混合后的结果，在现实中也很难派上用场。

调过香的您一定深有体会。把两种好原料混在一起，有时闻到的与期待完全不同，有时加进去的原料好像消失了。人们需要一个公开的基准来预测混合物，于是便有了多支团队同题竞技的比赛。

26支团队的比赛是怎么进行的？

把分散的实验汇集到一起

研究团队首先把此前分别进行的三项研究的六组数据合而为一。合并后的规模如下：

• 单一分子168种
• 不同的混合物731种
• 比较两种混合物的测量507次

由于实验方式各不相同，所有结果都被换算到同一把尺子上。0表示两种香无法区分，1表示差异已到极限。研究团队把这个数字称为气味距离。就像在地图上量两座城市之间的距离一样，量的是两种香之间的距离。

比赛持续了三个月

这场比赛名为DREAM挑战赛。多支团队围绕同一问题，公开比拼预测能力。26支团队用约三个月打磨人工智能模型，最后用隐藏了答案的46对混合物进行终极测试。

练习题每周最多可提交三次并查看分数。比赛期间共提交了159次练习预测，坚持到最后测试的有19支团队。

胜负并不干脆。D2Smell、UMich CASI、ChemSenSim Lab、belfaction四支团队并列第一。研究团队认为，测试题只有46对，很难分出高下。因此他们没有选出一支团队，而是把排名前六的模型的预测取平均，做成了联合模型。这篇论文的主角正是这个联合模型。

用人的鼻子确认了两次

给人工智能的答案打分的，是人的鼻子。测试共有两次。

• 第一次测试(纽约，洛克菲勒大学) — 34人参加。92种混合物组成46对，每种混合物由互不重叠的10种成分构成。采用三点检验，也就是从三瓶中选出气味不同的一瓶。
• 第二次测试(费城，莫奈尔化学感官中心) — 比赛结束后由16人参加。用新设计的59种混合物组成50对，每种混合物含9~11种成分。参加者直接为两种香的相似程度打分。

第二次测试设了一个有趣的保险。让参加者比较蒜味分子和菠萝味分子，再让他们把草莓香分子和它自己比较。参加者判断前一对很远、后一对非常近。这证明尺子确实在正常工作。

只需先记住两个数字

这篇论文里有两个数字反复出现。它们也许听起来有点难，我们先简单找找感觉。

相关系数表示预测与实际在多大程度上朝同一方向变化。1表示完全同步，0表示毫无关系。0.61并不是说猜中了61%。您只要理解为：人觉得更远的那些配对，模型大体上也判断为更远，就足够了。

平均误差(论文中的RMSE)表示预测平均偏离实际距离多少。越小越好。0.08的意思是，在0~1的尺度上大约偏差这么多。

所以可以这样记：相关系数看“顺序猜得准不准”，平均误差看“数值有多接近”。

联合模型猜得有多准？

大幅领先现有方法

在第一次测试中，联合模型的平均误差为0.08，相关系数为0.57。与现有的代表性方法相比，误差减少约33%，相关系数提高53%。它也胜过了比赛中任何一支团队的单独模型。

这里有一点值得留意。比赛结束后，研究团队只挑选看起来最重要的特征，重新做了一个模型。但这个模型没能追上联合模型，只停留在顶尖单支团队的水平。研究团队的解释是：光挑选好材料还不够，不同的做法汇集起来才能达到那个水平。

面对没见过的题目也站住了脚

只会做比赛题的模型用处不大。因此比赛结束后，又用新设计的50对重新测试。联合模型的平均误差增大到0.13，但仍保持了良好的表现。考虑到场地、参加者和测试方式都不同，这一点意义重大。

不同类型的题目，成绩也不同

最后测试的46对分为三组：随机组成的16对、由人设计成闻起来相似的20对、用现有距离算法调成相似的10对。参赛团队并不知道哪一对属于哪一组。

联合模型的平均误差在两个设计组中较小，分别为0.07和0.06，在随机组中为0.10。相关系数则相反，随机组略高，为0.45，另外两组为0.38。研究团队补充说，由于配对数量少，小组的数字要谨慎解读。

词语胜过了分子结构

这篇论文中最常被引用的结果，大概就是这一条。

只留下词语，结果反而更好

研究团队做了一项实验，把模型的材料一样一样拿掉。他们去掉分子的化学特征、体内受体信息和混合物信息，只保留相当于描述气味的词语的信息。

结果令人惊讶。只留词语的联合模型在第一次测试中，相关系数为0.61，平均误差为0.075，反而优于使用全部材料的联合模型。在第二次测试中，相关系数为0.54，高出15%。

相反，去掉词语的模型明显变差。第一次测试中相关系数跌到0.41，第二次测试中接近随机猜测的水平。

这里说的“词语”是什么？

这里容易误解，我们说得准确一些。输入的并不是人闻了混合物后写下的闻香笔记。计算机先看分子的结构，预测“人们会怎样称呼这个分子”。也就是给水果香、青草香这样的138个词打上概率。然后用这样得到的词语组合来比较两种混合物。

也就是说，不是从分子直接走到气味距离，而是经过词语这个中转站。令人惊讶的是，这些词语是从纯净的单一分子而不是混合物中学到的，却很好地解释了混合物之间的距离。

研究团队又向前迈了一步。他们认为，混合物的气味也许并不遵循与单一分子根本不同的原理。难点可能不在“混合阶段”，而在“从分子到气味的阶段”。不过论文也同时写明，有研究者反对这种看法。

哪些词语最有力量？

有一支团队把138个词归成12类来使用。在该团队的模型中，影响最大的几类是水果香、青草与香草香，以及坚果·油脂·烘烤香。

每个词的表现也不一样。在同一支团队的分析中，青绿、清洁、干邑与误差减少相关，紫罗兰、芳香、天然则与误差增加相关。研究团队明确表示，这一结果很难直接解读。不过，像天然这样含义宽泛的词夹在其中，确实很有意思。这是我们的感受，不是论文的结论。

并不需要太多材料

研究团队按模型依次累加影响力大的特征。准确度高的模型中，有三个用不到100个特征就达到了全部影响力的一半。也有模型需要约1,000个，差距相当大。也就是说，解释气味距离不一定需要大量复杂的材料。

人的鼻子也会摇摆

人的记录就是上限

这是这篇论文最诚实的部分。研究团队还测量了同一批人重新判断时，答案有多一致。在第二次测试中，参加者间隔一天以上判断了两次，两次结果的相关系数为0.74。第一次测试各取一半比较的数值为0.69。

细想也是理所当然。即使是取平均后的人类判断，也无法完美重复。所以模型很难比人更像人。只留词语的模型的0.61和0.54，还没有触到这个上限。研究团队也承认，模型与人之间仍有差距。

非常相似或非常不同时，最容易出错

模型最准确的是距离0.5~0.8的区间，因为训练数据集中在这一段。据说随机混合的混合物大多落在这个范围内。

反过来，在0.5以下或0.8以上，误差就变大了。模型表现出把预测往中间拉的习惯。把非常相似的配对估得比实际稍远，把非常不同的配对估得比实际稍近。

这一点对调香师很重要。实际工作中最难的判断，就是分辨“几乎一样却总有哪里不同”的两个试样。这样的区间恰恰是目前模型最弱的地方。

新模型并非总能获胜

把第二次测试按距离分成五个区间来看，在最相似的区间，较早的模型主要气味图谱误差更小。在其余四个区间，联合模型和只留词语的模型领先。这说明整体平均好，并不代表每个区间都好。

和真正的香水有什么不同？

这项研究不能直接搬到香水上。实验室的混合物和真实的香水之间有很大差别。

• 强度已调齐的混合物 — 大多数数据事先调齐了成分的强度。在真实的香气中，强的成分会掩盖弱的成分，气味的性格也随浓度而变。研究团队写道，处理强度是今后的课题。
• 成分数量 — 测试用的混合物约有10种成分。研究团队说明，我们日常遇到的气味大多是几十到几百种分子的混合物。
• 有限的原料 — 所用分子的范围很窄。对于没见过的分子是否有效，目前还不知道。
• 一瞬间的判断 — 这项研究问的是两种香有多相似。它没有问香气如何随时间变化，也没有问人们是否喜欢这款香。

请特别记住最后一项。距离只说明两种香有多不同，并不说明哪一种更好。

还有一点令人欣喜。研究团队公开了全部数据、模型和代码。也就是说，任何人都能用同样的问题测试更好的方法。不过，公开并不意味着已有工具能让调香师输入两个和弦就立刻得到距离。目前它更像是给研究者的基准线。

同嗅异谱：材料不同，香气相同

论文使用的数据中，有一份来自尝试制造嗅觉metamer(本文译作“同嗅异谱”)的研究。同嗅异谱是指没有共同成分、闻起来却相似的混合物配对。就像颜色里的现象：光的组成不同，看起来却是同一种颜色。

研究团队预期，借助这次的结果，可以在计算机上高效地生成虚拟的同嗅异谱并进行实验。顺序是先通过计算挑出候选，再由人确认。

作者列举的应用领域很广：把气味当作数据来存储和传输的数字嗅觉、通过呼气等监测健康的技术、电子鼻，以及生成式香料设计。不过这些只是未来的可能性，这篇论文并没有实际设计出香水。

解读：这篇论文想告诉学调香的您

从这里开始不是论文的结论，而是GrassAccord的解读。

把香写成文字，不是欣赏，而是设计

在调香课上被要求写原料笔记时，很多人觉得麻烦：反正用鼻子闻就行，为什么还要写下来？这篇论文让人重新看待这个习惯。因为几个气味词，比大量分子信息更能解释混合物之间的距离。

当然，计算机的词语和人的笔记并不相同。但方向是相通的。把香用词语拆开，就可以比较了。以“好闻”收尾的笔记用不到下一次配方上，而“青草味很强，尾调留下湿木头”这样的笔记就用得上。

从单一原料开始熟悉

这些词语是从单一分子学来的，却解释了混合物。学调香的顺序也一样。把一种原料的印象了解清楚，才读得懂混合时发生了什么。与其做很多和弦，不如多闻几次同一种原料，日后的回报更大。

这时不妨借用实验室的一个方法。就像研究团队调齐成分的强度一样，比较原料时请调齐稀释浓度。如果只有一方较浓，比较的就是强度，而不是原料的性格。用原液闻出的判断，稀释后再闻常常会改变。

选用含义窄的词

天然这个词很方便，但装了太多东西。请再往下走一层，想想到底是什么“天然”。写下来：是割草的气味、湿土，还是剥开皮的水果。前面说过，这不是论文证明的内容，但含义越窄的词越有助于下一次判断，这一点在调香台前很快就能验证。

用不同的材料做出相同的印象

同嗅异谱这个概念对初学者是很大的安慰。即使某种原料买不到或受到法规限制，相同的印象也可以用别的材料重新搭建。 要闻起来相似，不一定需要相同的分子。

GrassAccord销售的配方中，也有不少以著名香水为学习材料。不过相似和相同是两回事。这项研究处理的也只是一瞬间的印象。随时间如何变化，还需要您把闻香纸放在一旁亲自观察。

相信自己的鼻子，但别只信一次

即使是取平均后的人类判断，重新测量也只有0.74。昨天相似的两款香今天闻起来不同，未必是鼻子出了问题。判断本来就会摇摆。重要的决定请隔一天再闻，并与最初的笔记对照。守护判断的不是数字，而是习惯。

多个鼻子胜过一个鼻子

这篇论文中表现最好的，不是某一支出色的团队，而是不同团队的平均。闻香也差不多。自己拿不定主意时，请让别人闻一闻。不懂调香的人一句“像肥皂”，有时就是珍贵的提示。

人工智能只是帮您缩小候选范围

这项研究描绘的未来，与其说是调香师消失的世界，不如说是用计算缩小候选、由人用鼻子决定的世界。模型尚未判断好坏，在最难的“几乎一样却不同”的区间也表现较弱。这最后一段路，暂时还要靠人的鼻子。

在调香台前马上可以做的三个练习

读完论文就结束太可惜了。我们把研究团队做的事缩小，搬到调香台上试试。比例请根据各自的原料和喜好来定。

练习1. 做一本自己的香气词汇本

选十种常用原料，分别蘸在闻香纸上。每种原料只写三个词。不写“好闻”这类评价的词，只用水果、青草、木头、肥皂这类指向气味的词。一周后遮住名称再写一次，比较一下。留下来的词，就是那种原料真正的面孔。

练习2. 在家做三点检验

准备两个相似的试样。三张闻香纸中，两张蘸同一个试样，一张蘸另一个试样，并在背面做记号。请别人打乱顺序，然后选出不同的那一张。如果多次都选对，这两个试样就是可以区分的香；如果选对的次数停留在随机猜测的水平(三次一次)，那么对您现在的鼻子来说，它们几乎是同一款香。

练习3. 测量自己鼻子的距离

把两款香的距离写成0到1之间的数字。0是无法区分，1是完全不同。写下大约五对，第二天按相同顺序重新打分。看看数字摇摆多少，就能知道自己判断的幅度。摇摆也没关系。了解这个幅度，正是这项练习的目的。

读这篇论文时要注意的地方

• 这不是香水研究。 它处理的是研究用的分子混合物，并不代表可以直接用于香水配方。
• 测试题不多。 第一次测试只有46对。因此无法分出顶尖团队的名次，研究团队也提醒要谨慎解读小组的结果。
• 擅长中间区间。 训练数据集中在距离0.5~0.8，对非常相似或非常不同的配对较弱。
• 数据的测量方式混杂。 三点检验和打分被换算到同一把尺子上，可能残留方式带来的偏差。
• 强度处理得还不够。 大多使用强度调齐的成分。在真实香气中，强度是很大的变量。
• 不知道对新分子是否有效。 测试所用分子的范围很窄。
• 解读存在反对意见。 论文说明，有研究者不同意“混合物的气味大体由词语重叠决定”的看法。
• 与企业的顾问关系已公开。 论文说明，部分作者担任嗅觉相关企业的顾问。

文中出现的词

• 单一分子 — 由一种分子构成的香气物质。
• 混合物 — 多种分子混合而成。本研究中约有10种成分。
• 距离 — 用0~1表示两种气味闻起来有多不同的数值。0为无法区分，1为差异最大。
• 三点检验 — 让人从三个样品中选出不同的一个，以测量分辨能力的方法。
• 相关系数 — 表示两个数值有多同步变化的数字。越接近1，越同步。
• 平均误差(RMSE) — 预测平均偏离实际的大小。越小越好。
• 联合模型(集成模型) — 把多个模型的预测取平均后合成的一个模型。
• 词语信息(语义特征) — 计算机预测某个分子会被哪些气味词称呼的数值。
• 主要气味图谱(POM) — 早先研究提出的模型，根据分子结构预测气味词。这次比赛的许多团队都用它作为材料。
• 同嗅异谱(metamer) — 成分不重叠、闻起来却相似的混合物配对。
• 和弦(Accord) — 把多种原料混合，让它们听起来像一个整体印象的香气单位。
• 配方 — 写明用哪些原料、以什么比例混合成一款香的设计图。也就是GrassAccord销售的东西。

结语

鼻子至今还没有红、绿、蓝那样的规则。但26支团队共同找到的第一条线索，竟然出现在人类语言这一边。比起分子的长篇说明，几个描述气味的词语更能解释两种香之间的距离。

而把这个距离量到最后的，仍然是人的鼻子。鼻子会摇摆，模型会偏向中间。正因为两者都不完美，在闻香纸前慢慢闻、用词语写下来、第二天再闻一次，至今仍是最可靠的方法。

对刚开始调香的您来说，这是个好消息。不需要昂贵的设备，只要闻香纸和一本笔记本，就能走上这项研究指出的道路。香是万国共通的语言。 在您一个一个收集这种语言的词语的路上，GrassAccord与您同行。

论文出处：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日发表。原文：https://doi.org/10.1073/pnas.2611057123 · 本文的数字全部摘自论文正文，文字由GrassAccord摘要并解读。“解读”一章不是论文的结论，而是GrassAccord的解读。