利用 EXCEL,把试错变成预测,让梯度优化稳、准、快

?不买 DryLab、不买 ChromSword，能不能也做预测色谱峰的位置？

?如果 EXCEL 能提前告诉我们"最有可能成功的方案"，我们愿意把多少试错工作交给模型？

一、先认识样品：3个等度实验

先进行两个简单的等度实验 —— 30% ACN 和 40% ACN，把保留时间画在坐标轴上，你会得到下面两个一维图。

再做一个 50% ACN 等度实验，把三组数据绘制在一起，一维就变成了二维。

二、第三步：EXCEL 真正开始发挥作用

把保留时间换算成保留因子 k，取自然对数 ln(k)，再对 %B 作图 —— 就是下面这张图。

 ln(k) 与 %B 的线性关系

结合著名的 LSS 模型（线性溶剂强度模型），就可以完成预测。

对每个化合物来说，只需要几个实验点，EXCEL 就可以计算出 k_w 和 S 两个参数，然后预测任意 %B 下的保留行为。

这个步骤不需要 AI，更不需要付费的 DryLab 或者 ChromSword，而是每台电脑都有的人人熟悉的 EXCEL。

三、第四、五步：从"预测"到"优化"

模型建好了，先用它预测 47% ACN 条件下的分离：结果发现，只有 6 个峰被分离 —— 9 个化合物里有几组直接叠在了一起。

47% ACN 的模拟色谱图

但光有预测还不够。第五步把 EXCEL 里最容易被忽略的功能拉了出来：Solver。它的目标函数是最小化误差平方和，自动寻找最佳参数。以甲苯为例，把 0%–100% 每个 %B 下的 ln(k) 实测值、模型计算值和偏差逐行列出，下图数据可见，预测和实测差距很小。

用 Excel Solver 最小化误差平方和

四、第六步：让模型更接近真实世界

LSS 假设 ln(k) 与 %B 严格线性，但真实数据并非严格直线 —— 在低 %B 一端往往开始弯曲。这时用 Bent Model（弯曲模型，即 Neue 模型）做修正，拟合精度就能进一步提高。

用 Excel Solver 拟合的 Bent line（Neue 模型）

预测模型并不 100% 正确，但方向正确，速度更快。

五、第七步：从保留时间到整张色谱图

前面几步预测的都是"保留时间"，第七步把粒度推到整张色谱图。仅凭几个实验点，EXCEL 已经能够预测：峰位置、峰顺序甚至整个色谱图轮廓。下面两张图是同一批条件下的两种模型，峰位一致，差别只在峰形。

按 Snyder LSS 模型预测的色谱图

 同样条件下用 Neue 方程预测的色谱图

六、我的落地 EXCEL：一版可以直接套用的表

方法本身不复杂，难的是落到自己的实验台上。下面是我做的版做好的 EXCEL ，从"要填什么"到"自动算出什么"，都在一张表里。

参数填完，就能看到：每个分析物的预测保留时间、预测峰高、峰宽 σ，以及相邻峰之间的分离度 R_s 判定。它把"这个条件行不行"直接翻译成了"通过／临界／重叠风险"和模拟的色谱峰。

梯度预测结果与模拟色谱图

七、总结：最便宜的预测工具

未来 AI 方法开发一定会越来越普及，但现在对于绝大多数分析实验室而言，最容易落地、成本最低、回报最高的预测工具，也许就是人人都会、人人都熟悉的、且没有数据泄露风险的那个 EXCEL。