arrow
返回

High-throughput solid microsampling through stochastic robotic automation

delete2026-07-31
delete0
delete
OA
AI
A
Adam Lisowski
H
Henryk Żołnowski
K
Keyan Villat
A
Alec Schmidt
E
Edy Mariano
J
Jean-Charles Cousty
J
Jérôme Guérin
A
Ashley Stark
F
Frédéric Vasserot
A
Achim Ammon
D
David Gueller
F
Florian de Nanteuil
J
Jean-Jacques Schwartz
M
Mathias Cherbuin
M
Marc Kunze
G
Giuseppe Costanzo
P
Pascal Miéville *
DOI:10.1038/s42004-026-02153-wdelete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
亚毫克和毫克级别的固体取样仍然是高通量化学或材料科学的主要瓶颈,因为现有方法依赖手动操作或缓慢的确定性微取样,难以扩展。本文介绍STORMS,一种自动化的STOchastic Robotic MicroSampling系统,能够在亚毫克和毫克质量级别对固体材料进行快速、可靠且并行的取样。STORMS并非试图进行确定性质量控制,而是利用随机取样结合机器人自动化和玻璃封装技术,实现统计上稳健且可重复的样品收集。我们证明,这种方法在多种固体材料上实现了高精度和通量,同时由于封装和最小化操作员干预而支持简单的并行化。与传统取样工作流的对比表明,速度和重现性方面取得了显著提升。通过将取样可靠性与确定性质量控制解耦,STORMS确立了随机微取样作为亚毫克和毫克级别固体分析的一种通用且可扩展的策略。高通量化学在亚毫克和毫克级别的固体取样扩展方面面临挑战,由于手动和缓慢的方法。本文作者介绍了STORMS,一种自动化的随机机器人微取样系统,提高了速度、精度和重现性,为固体分析提供了可扩展的解决方案,且操作员干预最小。

期刊

Communications Chemistry 封面图
Communications Chemistry
IF:
6.2
论文数:
2.2K
被引数:
6.4K

机构

暂无机构信息
引用论文

引用论文

暂无论文信息