')); syncsearch_site = "kwbg4k9y"; syncsearch_group = "71"; syncsearch_group1 = "71";

更轻松的液相方法开发—基于ai算法的自动梯度优化 : shimadzu ssl-凯发k8国际首页登录

更轻松的液相方法开发—基于ai算法的自动梯度优化

  • 产品资讯

  传统的液相色谱方法开发过程从“准备”开始,包括流动相制备、安装色谱柱、创建分析计划,然后运行分析。然后,对数据结果进行分析判断,以便为后续的改进进行“准备”。方法开发就是通过一遍又一遍地重复这些过程来筛选理想条件,换言之,传统的方法开发需要大量的“人工干预”,除了重复创建分析计划所需的大量时间外,基于数据的分析判断更加需要专业人员参与,并且要求具有非常丰富的色谱专业知识。因此,将方法开发过程自动化,减少人工干预,对于提高整体工作效率是非常有帮助的。

  其中,梯度条件的优化常常是最为头疼的一项工作,labsolutions md具有独特的ai算法,通过重复"通过ai改进梯度条件"和"改进条件的校正分析"的过程来自动优化梯度条件。这使得任何人都可以在没有"人工干预"的情况下探索梯度条件。

优化

图1  传统工作流程和自动化工作流程的比较

自动梯度优化功能介绍

  labsolutions md梯度条件自动优化的工作流程包括以下三个阶段。

  ①设置初始条件和分离度标准

  设置基本条件、梯度曲线类型、分离度标准。

  ②利用ai自动探索梯度条件

  根据初始分析的结果进行条件搜索和校正分析,以提供更好的分离度。

  此过程反复进行,直到满足分离度标准为止。

  ③确定理想条件

  检查ai建议的梯度条件以充分满足标准。

应用案例

  分析条件

分析条件

 

  优化效果

优化效果

图2 梯度条件的自动优化蓝线表示梯度曲线

  初始分析结果显示,峰c4和c5之间以及峰t3和t4之间的分离度不足(如图2顶部的红色框所示)。然而,通过使用ai算法反复进行校正分析,最终成功地发现了满足标准(最小分离度为1.5)的梯度条件(如图2底部的绿色框所示)。不需要具有丰富数据分析和色谱知识,labsolutions md 的 ai 算法使任何人都可以轻松找到满足指定标准的梯度条件,而无需依赖直觉或经验。

总结

  只要设置分离度目标和简单的初始条件,labsolutions md方法开发软件可以实现梯度条件的自动优化,其采用独特的 ai 算法,自动探索满足指定分离度目标的梯度条件,大幅减少“人工干预”,显著提高方法开发效率。

网站地图