「A to B」で A が B より大きいものを全部拾う：55か所、うち23か所に本物の誤りが隠れていた

読了目安 4 分。

前回の終わりに小さなことを書いた。評価濃度に 1000% と書かれた記録が2件あり、濃度が100%を超えることはない、と。

**あの誤りが摘出しやすいのは、あの欄に物理的な上限があるからだ。**そこで考えた。化学をまったく知らなくてもできる検査は、他に何があるだろう。

今回は3種類を走らせた。

検査1：物理的な上限

assay（純度）欄には27,221件の値があり、純度が100%を超えることはない。

超えているのは1件だけ——酸化亜鉛（#42155、サプライヤー30社）が 800.00 to 100.00 と書いている。

**1件。27,221分の1。**この欄は驚くほど綺麗だ。

検査2：値域

屈折率には4,609件の値がある。液体の屈折率が1を下回ることはなく（それは光が真空中より速く進むことを意味する）、香料材料は実際には1.3から1.6の間に収まる。

1.0〜1.8の外にあるものを拾うと5件出た——うち1件は私の探針のほうが誤っていた。

メチルメルカプタンの屈折率は「1.43000 to 1.43600 @ 5.80 °C」と書かれており何も問題は無い。私の正規表現が温度の5.80を値として拾ってしまったのだ。

これは書き留めておく価値がある。全庫を掃くときは @ 以降を先に落とすこと。材料名の照合の記事でも似た誤りを犯した——探針そのものが偽陽性を生む。拾ったものは1件ずつ目で見て初めて成立する。

検査3：区間の順序（最も使える一つ）

これは欄が何を意味するかをまったく知らなくてよい。

値が「A to B」と書かれているなら、A は B 以下であるべきだ。A が純度でも密度でも温度でも屈折率でも関係ない。

5欄には合計42,802個のこうした区間がある。

欄	区間数	A > B	割合
assay	27,221	6	0.02%
specific_gravity	4,184	23	0.55%
refractive_index	4,113	12	0.29%
bp	6,199	13	0.21%
mp	1,085	1	0.09%
合計	42,802	55	0.13%

**55か所、55件の記録。**そして「大きいほうを小さいほうで割る」と、明確に2類に分かれる。

類型1：順序が逆なだけ（32か所）

比が1.15以下、つまり2つの数字自体は妥当で、書く順が逆になっているだけだ。

サプライヤー	材料	欄	値
107	セイヨウネズ果実油	比重	0.86900 to 0.85900
50	クスノキ樹皮油	比重	0.88500 to 0.87500
26	縮れパセリ葉油	比重	0.98000 to 0.94000
19	2-チオフェンチオール	比重	1.25000 to 1.23500
16	2,6-ジメチルチオフェノール	屈折率	1.52700 to 1.52100

**この類型は人には無害だ。**0.869 to 0.859 を見れば、0.859から0.869のことだと分かる。

だがプログラムは壊れる。「最初の数字を下限とする」と書かれたコードは、セイヨウネズ果実油で上限より大きい下限を得る——しかもあの記録はサプライヤー107社で、マイナーな記録ではない。

類型2：反転が本物の誤りを暴く（23か所）

比が1.15超。そしてこの類型には見分けのつく3つの署名がある。

署名1：小数点が1桁ずれている（比がちょうど約10）。

サプライヤー	材料	値	比
31	ケイ皮酸イソアミル	0.99200 to 0.09970	9.9
25	ミュゲアルデヒド	9.93000 to 1.00100	9.9
3	3-(メチルチオ)酪酸メチル	1.03400 to 0.10400	9.9
2	ジメチルベンジルカルビニルクロトネート	0.99500 to 0.10030	9.9
4	2-メルカプト-2-メチルプロピオン酸エチル	0.96100 to 0.10810	8.9

**5件、すべて比重欄、すべて10倍ずれている。**正しい値は 0.9970、0.9930、1.0400、1.0030、1.0810 のはずだ。

署名2：純度欄でゼロが1つ落ちている。

サプライヤー	材料	値
7	アスコルビルリン酸ナトリウム	95.00 to 10.00
3	プルラン	90.00 to 10.00
2	2-(メチルチオ)プロピオン酸メチル	95.00 to 10.00

**「95.00 to 10.00」はほぼ確実に「95.00 to 100.00」である。**同じ誤りが3度現れる——これは偶然の打ち間違いではなく、同じ転記工程の固定した失敗だ。

（酸化亜鉛の 800.00 to 100.00 は逆方向で、ゼロが1つ多い。80.00 のはずである。）

署名3：沸点欄に別のものが紛れ込んでいる。

サプライヤー	材料	値
36	ジンゲロン	141.00 to 0.50
5	4-メチルサリチルアルデヒド	760.00 to 223.00

ジンゲロンの0.50 はほぼ確実に圧力（0.50 mm Hg）で、区切りの @ が落ちただけだ。4-メチルサリチルアルデヒドの760.00 は標準大気圧のミリメートル水銀柱そのものである——どちらも圧力が温度の位置に入り込んでいる。

そして最大のものはペアエステル（サプライヤー46社）で、屈折率が 1.48000 to 1.14860 と書かれている。1.14860 は液体としては低すぎ、1.4860 なら正しい位置に収まる。1が1つ多い。（この材料は別の記事に書いた。）

この3つの検査に共通すること

どれも、欄が何を語っているかを知らなくてよい。

• 純度は100を超えられない——それが百分率の定義だから
• 屈折率は1を下回れない——それが屈折率の定義だから
• 「A to B」の A は B より大きくなれない——それが「to」の定義だから

どの材料の正しい値も調べず、外部の出典とも照合せずに、55件の問題を見つけた。

そして以前に見つけたアセトフェノンの単位の誤り（3200 ml/kg は換算すると体重の3.3倍）とあの2件の1000%も、同じ種類の推論だった。

自分の原料データ表を作っているなら、この3つを先に走らせてほしい。費用はほぼゼロだ。

この記事が立証していないこと

• **5欄しか掃いていない。**区間を持つ他の欄（引火点、蒸気圧、logP）は走らせていない。
• **「A to B」は正規表現で拾っている。**書き方の違う区間（ハイフン、カンマ）は漏れるので、55は下限である。
• **正しい値はすべて比から推測したものだ。**供給仕様書も化学便覧も参照していない。それらの推測は誤りうる——とくに「95.00 to 10.00 は 100.00 のはず」の3件は、模様が似ていると思っただけだ。
• **類型1と2の境界（比1.15）は私が適当に決めた。**閾値を変えれば分類は変わる。
• **0.13%の誤り率は、このデータベースの誤りが0.13%しかないという意味ではない。**この種の検査は「形が違う」誤りしか見えない。0.85〜0.87 と書かれているが本当は 0.95〜0.97 であるような記録は、まったく照らせない。
• 私の探針自身が偽陽性を出した（@ 5.80 °C の温度を屈折率として拾った）ので、自動走査の結果は必ず人が見る必要がある。