基于模拟的工具旨在根据有限的实验运行次数对色谱行为进行建模。
这些方法在以下情况下非常有用
- 峰值已被分离和识别
- 有可靠的实验数据可用于建模
然而，在实际情况中：
- 模拟精度取决于初始数据的质量
- 强烈重叠或未分辨的峰难以建模
- 未知或复杂样本限制了预测能力
ChromSword 采用了不同的方法。它进行真正的实验筛选和优化，从而能够
- 峰值不分离时也能工作
- 逐步提高分辨率
- 处理复杂和难以理解的样本
一个简单的方法
- 仿真工具根据现有分离情况预测行为
- ChromSword 从一开始就建立了分离机制
ChromSword 与基于模拟的方法开发工具有何不同？
相关常见问题
ChromSword 与基于 DoE 的统计方法有何不同？
DoE 工具需要明确定义的起始方法和实验空间来研究参数影响。相比之下，ChromSword 使用自适应实时反馈来动态开发方法，无需预定义设计，因此非常适合复杂的未知分离。
ChromSword 与一般建模和预测工具有何不同？
一般的建模工具需要良好解析的色谱峰和可靠的输入数据来预测保留行为，而 ChromSword 则不同，它依赖于真实的实验方法开发。它可直接处理未解决的色谱图，动态适应复杂的未知样品。
与其他方法相比，ChromSword 的主要优势是什么？
ChromSword 的主要优势在于其完整的端到端 HPLC 生命周期自动化。与仅限于建模或 DoE 的工具不同，ChromSword 提供了从初步筛选到稳健性评估的连续工作流程，确保最终方法的可靠性。
比较
传统的 HPLC 工具（模拟、DoE、建模）需要预先存在起始方法，而 ChromSword 则不同，它提供完全的端到端自动化和直接仪器控制。它通过动态、自学的实验优化功能，原生处理未解决的色谱峰、复杂/未知样品以及大分子化学反应。