科学家使用复杂的数学分析 - 而不是他们的鼻子 - 来确定香水成分的成分。并不是说他们打算通过自己生产来吸引香水行业的鼻子。他们的公式是对超过10,000种香水的研究得出的，旨在找出哪种香味能得到最佳的顾客反应。
来自英国伦敦帝国理工学院的物理学家Vaiva Vasiliauskaite和Tim Evans采用的方法是香水业务的新颖方法。
香水是通过混合“香调” - 茉莉和苹果等个体气味 - 组合成“协定”。
传统上，组成香水的工作一直是“鼻子”的工作，“鼻子”是一位具有协议和笔记知识的专家，他们的挥发性，气味长寿和其他在香水制造中很重要的属性。
这种专业知识通常是通过多年对天然油和化学分子的许多不同组合的培训和试验获得的。就是这样，因为最古老的美索不达米亚记录了最早的香水。
但这是互联网时代，因此Vasiliauskaite和Evans将一种称为复杂网络分析的专业数学工具应用于香水的在线数据库，包括制造商的描述，客户评级和销售数据。
他们的第一个发现是，香水的流行似乎并不是由价格或年龄决定的。
研究人员在PLOS ONE杂志上写道： “这促使我们使用网络方法来研究成分，看看这些成分是否可以说明成功制作香水的成分。”
他们发现数据库中的10,599香水使用了1047种不同的香调。虽然可以从制造商的描述中识别出钞票，但香水中每个钞票的确切数量仍然是商业秘密。
有趣的是，最常用的笔记与从客户那里获得最佳评级的笔记之间存在差异。
最有代表性的笔记是(按顺序)麝香，茉莉，佛手柑，檀香和琥珀。但是，最有效推动客户评级的笔记是(按顺序)茴香，鸢尾根，兰花，竹子和康乃馨。
同样，最常见的协议，如天竺葵和薰衣草，并不是客户反应最强烈的。较少使用的协议，如茉莉和薄荷，或麝香，香根草和香草，推动了更多积极的香水评级。
研究人员写道：“我们的研究结果表明，这些协议应该比现在更受欢迎，未来应该得到更多关注。”
“我们的工作为那些在香水成功中发挥作用的因素提供了见解。它还建立了一个基于简单属性和客户评论的香水统计分析框架。
“它可能是系统成分选择的有益工具，并可作为人工鼻子。