新手調香師 · 117
新手調香師 #117：規格的兩端都是整數，那個範圍寬三到五倍
· 10 分鐘
折射率與比重是這個資料庫裡最像量測值的兩個欄位。我掃了四千多支材料，折射率的範圍寬度中位數是 0.0060，比重是 0.0080。然後我發現一個不需要懂化學就能用的訊號：如果一筆紀錄的兩個端點都是小數點後兩位的整數值（1.40000 到 1.60000 這種），它的範圍寬度中位數是 0.0200，是其餘紀錄的 3.3 倍；比重那邊是 0.0300 對 0.0064，差 4.7 倍。整數端點意味著那個區間是有人打上去的，不是量出來的。順著這條線我還發現寬範圍裡有 38% 到 54% 是名字帶 fragrance 或 specialty 的調和物——那種東西本來就不該有單一規格。我也測了一個假設：冷門紀錄是不是比較沒人檢查。不成立，供應商數跟規格寬度的相關係數只有 −0.055。
閱讀約 5 分鐘。
太長不看
- 折射率可解析的有 4,094 支，範圍寬度中位數 0.0060；比重 4,181 支，中位數 0.0080
- 兩端都是「小數點後兩位的整數值」的紀錄，範圍明顯更寬：
| 欄位 | 整數端點的紀錄 | 那組的寬度中位數 | 其餘的寬度中位數 | 倍數 |
|---|---|---|---|---|
| 折射率 | 391（9.6%） | 0.0200 | 0.0060 | 3.3× |
| 比重 | 496（11.9%） | 0.0300 | 0.0064 | 4.7× |
- 寬範圍的紀錄裡有 38% 到 54% 名字帶
fragrance／specialty／flavor——那是調和物 - 端點寫成降序的：折射率 9 支、比重 18 支
- 我測了「冷門紀錄比較沒人檢查」這個假設，不成立（ρ = −0.055 與 −0.024）
上一輪留下的形狀
我上一輪寫折疊甜橙油時發現一個問題： 那一筆紀錄要蓋住從 5 倍到 50 倍的所有商品，而它的旋光度區間只有 13 度寬，蓋不住。
ylang 的四個等級是同一個形狀。
兩次之後我想問：這種「一筆紀錄描述一整個光譜」的情況，能不能從規格範圍的寬度直接看出來？
先建基準線
折射率與比重是這個資料庫裡最像量測值的兩個欄位——它們是物理常數， 不像留香或香調那樣主觀。
| 欄位 | 可解析 | 寬度中位數 | 四分位 |
|---|---|---|---|
| 折射率 | 4,094 | 0.0060 | 0.0040 – 0.0100 |
| 比重 | 4,181 | 0.0080 | 0.0060 – 0.0140 |
一支純化合物的折射率是一個定值，實際規格會留一點量測與純度的餘裕， 0.006 左右就是那個餘裕該有的樣子。
整數端點是一個訊號
看這幾筆：
egyptian musk fragrance 1.40000 to 1.60000
rosemary fragrance 1.40000 to 1.58000
apple fragrance 1.34000 to 1.50000
longifolene 1.42000 to 1.60000
ginger root oil cochin 0.87000 to 1.50000
**兩端都是小數點後兩位的整數值。**沒有一個量測值會這麼剛好。
我把這個當成一條規則去掃全庫，結果乾淨得出乎意料：
| 欄位 | 整數端點 | 寬度中位數 | 其餘 | 倍數 |
|---|---|---|---|---|
| 折射率 | 391 支（9.6%） | 0.0200 | 0.0060 | 3.3× |
| 比重 | 496 支（11.9%） | 0.0300 | 0.0064 | 4.7× |
你不需要知道那是什麼材料。看兩個端點是不是整數，就能判斷這個區間是量出來的還是打上去的。
這跟我找 95.00 to 100.00 那個預設純度值是同一種方法：
不是檢查數值對不對，是檢查數值的形狀像不像量測結果。
寬範圍裡有一半是調和物
把寬度超過中位數四倍的紀錄挑出來，看名字：
| 欄位 | 寬範圍紀錄 | 其中名字帶 fragrance／specialty／flavor |
|---|---|---|
| 折射率 | 283 支（6.9%） | 153 支（54%） |
| 比重 | 486 支（11.6%） | 183 支（38%） |
egyptian musk fragrance、rosemary fragrance、apple fragrance、
jasmin specialty、herbal specialty、peach fragrance。
**那些不是材料，是調和物。**每一家供應商的「蘋果香精」配方都不一樣， 所以那筆紀錄根本不可能有單一規格。寫 1.34 到 1.50 只是在說「大概在這一帶」。
問題不在數字錯，在那個欄位對那種紀錄沒有意義。
一支不該在這張表上的純化合物
longifolene（#22800，16 家供應商）是單一化合物，C15H24，CAS 475-20-7。
它的規格：
折射率 1.42000 to 1.60000 （寬 0.18，是中位數的 30 倍）
比重 0.93000 to 1.11000 （寬 0.18）
旋光度 +14.00 to +54.00 （寬 40 度，中位數是 10 度）
三個欄位，全部是整數端點，全部異常寬。
而同一個分子式的其他倍半萜長這樣：
| 材料 | 供應商 | 折射率 | 比重 |
|---|---|---|---|
| beta-caryophyllene | 61 | 1.498 – 1.504 | 0.899 – 0.908 |
| valencene | 44 | 1.498 – 1.510 | 0.910 – 0.922 |
| alpha-cedrene | 19 | 1.500 – 1.503 | 0.926 – 0.937 |
| alpha-humulene | 16 | 1.499 – 1.505 | 0.889 – 0.895 |
| (−)-isolongifolene | 11 | 1.495 – 1.501 | 0.926 – 0.932 |
| longifolene | 16 | 1.420 – 1.600 | 0.930 – 1.110 |
它自己的結構異構物 (−)-isolongifolene，規格緊三十倍。
而所有正常的倍半萜折射率都擠在 1.495 到 1.510 之間。 longifolene 的真值一定也在那裡，那個 1.42 到 1.60 的區間包住了它，但什麼也沒告訴你。
我測了一個假設，不成立
看到 longifolene 只有 16 家供應商而規格這麼糟，我想到一個解釋： 冷門的紀錄沒人用，所以沒人發現它壞了。
這個假設可以測。我按供應商數分組看規格寬度：
| 供應商 | 折射率寬度中位數 | 比重寬度中位數 |
|---|---|---|
| 0 家 | 0.0078 | 0.0120 |
| 1–4 | 0.0060 | 0.0070 |
| 5–19 | 0.0060 | 0.0070 |
| 20–49 | 0.0060 | 0.0080 |
| ≥50 | 0.0060 | 0.0080 |
除了 0 家那一組略寬，其餘完全平的。 相關係數 ρ = −0.055（折射率）與 −0.024（比重），等於沒有關係。
**假設不成立。**規格好壞跟有多少人在賣沒有關係—— longifolene 的 16 家供應商，跟 alpha-humulene 一樣多，而後者的規格完全正常。
（唯一撐得住的是 0 家那一組，以及「整數端點」的比例在 ≥50 家那組只有 4%， 其餘級距都是 9% 到 14%。最熱門的材料確實比較少用整數端點，但差距不大。）
這是我這幾輪第二次公開推翻自己的假設。 上一次是留香欄的長端。
你可以自己跑的三條規則
打開任何一支材料的頁面：
- 折射率或比重的兩端都是整數嗎？（
1.40000 to 1.60000）→ 那是打上去的 - **範圍比 0.01 寬嗎？**折射率的中位數是 0.006，超過 0.02 就進入前 11%
- 名字帶
fragrance／specialty／flavor嗎？→ 那是調和物，規格本來就沒意義
第 1 條最有用，因為它不需要基準線——你不用知道折射率的正常範圍是多少， 只要看那兩個數字是不是太整齊。
而如果你手上有同族材料可以比（像上面那張倍半萜表）， 那是最強的：同分子式的兩支材料，規格不該差三十倍。
這篇沒有建立的
- **我沒有查任何一支的正確折射率或比重。**整篇是形狀與分布的比較。
- 「整數端點」的判定是我定的：小數點後恰好兩位有效數字。 換一個定義（比方三位）數字會變。
- 寬度中位數 0.0060 是這個資料庫的，不是儀器精度或產業規格的標準。
- **調和物那一段是用名字判斷的。**有些
specialty可能其實是單一材料，我沒有逐筆看。 - longifolene 我只證明它跟同族不一致，沒有證明哪個數字是對的。
- **供應商數那個假設我只測了兩個欄位。**換別的欄位（比方留香或沸點）結果可能不同，我沒試。
- 化學資料集的自動清理有專門文獻，Mansouri 等人 2016 年那套流程（PMID 27885862） 處理的是同一類問題；我這裡做的是三條肉眼可查的規則。