香りは単純な足し算ではない

混ぜた後の香りは、成分名や濃度を足しただけでは予測できません。抑制された香り、全体の強さ、好ましさ、混合物だけの質を分けて観察します。研究室の混合臭の結果を、そのまま香水や洗剤の相性保証にはしません。

二つを混ぜても、両方が同じ強さで残るとは限らない

Bell、Laing、Panhuberの研究は、二成分の匂いを人に提示し、混合によって一方または両方の知覚が抑えられる現象を調べました。人での評価では、どちらの匂いが感じられるかが、成分の化学的な極性や、単独で感じた強さに依存しました。

同じ研究では、ラットの嗅球で代謝活動も測定され、人で一方の匂いだけが知覚された混合条件では、抑えられた成分に対応する活動の低下が観察されました。著者らは、混合臭の抑制が受容体細胞の段階から始まる可能性を論じています。ただし、ラットの神経測定を、日常の香水の「相性」へ直接置き換えられるわけではありません。

実用上は、「同じ系統だから両方がきれいに出る」「片方を少量足せば必ず丸くなる」と決めつけないことが重要です。混ぜた後に目立つ香り、消えたように感じる香り、全体の印象を別々に記録します。

好ましさは平均に近づく場合があるが、例外もある

Lapid、Harel、Sobelは、84人を対象に、5種類の二成分混合物を異なる比率で提示しました。15組のペアについて、0:100%、25:75%、50:50%、75:25%、100:0%の比率を、嗅覚計で気相として作り、強さと好ましさを評価しています。

多くの条件では、混合物の好ましさは二つの単独成分の間に位置し、単独での知覚強度と相対的な比率に強く影響されました。一方、すべてが中間になるわけではなく、似た好ましさの成分で加算的な変化が目立つ組合せもありました。提案された予測モデルも、現在の研究条件と心理物理データを前提にしたものです。

つまり「好きな香りを二つ足せば、もっと好きになる」という一般則ではありません。強さと好ましさを別の軸として測り、どの組合せ・比率・提示条件だったかを残す必要があります。

複数成分では、元のどれとも違う質が現れることがある

Lindqvist、Höglund、Berglundの研究では、ポリアミド6.6の分解生成物5種類を材料に、二成分混合物10種類と、より多成分の混合物5種類を、20人が評価しました。二成分では、混合物の匂いの質が各成分の中間的な位置として表せる条件があり、成分によっては混合物の質へ強く寄与しました。

一方、より多成分の混合物では、単独で嗅いだ成分からは追跡できない新しい匂いの質が生まれました。これは「何が入っているか」を知っていても、「混ぜた後に何と感じるか」を完全には言い当てられない場合がある、という示唆です。ただし、対象は工業材料の分解生成物で、香水・柔軟剤・石けんを直接調べた研究ではありません。

大規模プレプリントは、線形平均で説明できる範囲を示した

2026年7月公開のPellegrinoらのbioRxivプレプリントは、訓練パネル(少なくとも15人、2回の反復評価)が、51個の記述語を使って144成分と432混合物を評価しました。144成分には異なる濃度の単分子臭気物質115種が含まれ、混合物の知覚プロフィールのほとんどが、成分プロフィールの線形平均で説明できたと報告しています。

過去に「抑制」や「新しい出現」と説明された混合物についても、線形モデルで説明できるかを検討しています。ただし、これは査読前のプレプリントで、著者所属にはOsmo Labsが含まれ、利益相反の開示もあります。大規模な評価は「混ぜると必ず新しい香りになる」「必ず足し算になる」のどちらも証明せず、香水・洗剤・体臭の組合せや日常の好みを予測する試験でもありません。

レイヤリングを観察するときの四つの欄

  1. 単独の印象:各製品を別々に、出どころ・質・強さ・好ましさで記録する。
  2. 混合後の強さ:全体が強くなったか、一方が目立たなくなったかを書く。
  3. 混合後の質:元のどちらかに近いか、別の質として感じたかを記録する。
  4. 条件:量、距離、布や肌、換気、提示の順番、時間をそろえる。

たとえば「Aは柑橘・弱め、Bは粉っぽく中程度。混合後は柑橘が前に出ず、粉っぽさとも違う丸い印象」と書けば、香りの名前だけで相性を断定しにくくなります。これは個人の観察メモであり、製品の品質や安全性を判定する試験ではありません。

混合物の弁別訓練が「学べる」ことを示した研究

2026年にeLifeで報告された研究は、匂いを混ぜる側ではなく「嗅ぎ分ける側」の可塑性を調べました。成人96人・延べ1,295セッションで、2成分混合物のペアを片鼻孔で弁別する訓練を続けると、訓練に使っていない反対の鼻孔にも効果が移り、構造も香りの質も異なる新しい混合物へ一般化され、2週間後も効果が残ることが示されました。一方、鏡像異性体や濃度差の弁別訓練では転移や一般化が見られず、濃度弁別の学習は短く終わりました。

著者らは、混合物が持つ全体的な配置の質(configural quality)が、分子のキラリティや相対濃度とは別の嗅覚属性であると整理しています。これは、「混ぜると新しい質が現れる」という前節までの知見と対になる知識で、人が混合臭の違いを学習・区別できる能力についての研究です。

注意として、対象は健康な成人で、訓練は管理された実験手順です。この結果は、香りを頻繁に嗅ぎ分ければ誰でも嗅覚が鋭くなるという保証ではなく、匂いの感じ方の個人差や嗜好そのものを説明する研究でもありません。嗅覚の順応と学習は別の現象であり、嗅覚順応の記事で扱う慣れとは分けて読みます。

研究結果を製品の相性保証に読み替えない

混合臭研究の多くは、濃度、比率、提示時間、休止時間、提示装置、参加者数を管理しています。実際の香水、洗剤、シャンプー、石けんでは、溶媒、布、肌、温度、湿度、使用量、時間が同時に変わります。研究で抑制が起きたからといって、家庭の製品でも同じ香りが消えるとは限りません。

香りを重ねる場合は、まず無香料・微香を含む一つの条件を土台にし、変更を一度に増やさず、刺激や不快感があれば中止します。香りの設計と、体臭・衛生・肌の状態の判断は別の問題です。

混ぜた香りを言葉に整理する方法は、香りを言葉にする補助記事で扱っています。また、柑橘のように揮発しやすい成分の立ち上がりと残り方の条件は、柑橘香の揮発特性の補助記事で整理しています。

限界:ここで紹介した研究は、管理された二成分・多成分混合物の知覚を調べたものです。2026年の大規模プレプリントは査読前で、著者所属と利益相反の開示を含みます。香水や洗剤の組合せ、全員の好み、香りの持続時間を保証する研究ではありません。混合臭の抑制や新しい質を、体臭の改善・治療・清潔さの証拠にしないでください。

参考文献

  1. Bell GA, Laing DG, Panhuber H. Odour mixture suppression: evidence for a peripheral mechanism in human and rat. Brain Research. 1987;426(1):8–18. PMID: 3690320 / DOI: 10.1016/0006-8993(87)90419-7
  2. Lapid H, Harel D, Sobel N. Prediction models for the pleasantness of binary mixtures in olfaction. Chemical Senses. 2008;33(7):599–609. PMID: 18534998 / DOI: 10.1093/chemse/bjn026
  3. Lindqvist A, Höglund A, Berglund B. The role of odour quality in the perception of binary and higher-order mixtures. Perception. 2012;41(11):1373–1391. PMID: 23513622 / DOI: 10.1068/p7267
  4. Pellegrino R, Mayhew EJ, Margolis J, Andres M, Wiltschko AB, Gerkin RC, Mainland JD. Odors Smell Like Their Components: A Linear Framework for Predicting Olfactory Mixture Perception. bioRxiv. 2026;2026.07.03.736426. Posted 2026-07-08. bioRxiv全文(査読前) · PubMed · DOI: 10.64898/2026.07.03.736426
  5. Chang X, Tan H, Niu J, Yuan K, et al. Mixture discrimination training induces durable and generalizable olfactory learning independent of odorant structure and concentration. eLife. 2026;15:e102999. DOI: 10.7554/eLife.102999. DOI · PubMed PMID 41627872

混合臭の抑制、好ましさの予測、複数成分で生じる質と、査読前プレプリントの線形モデルを、研究条件と日常のレイヤリングから分けて整理しています。