科学研究，常常存在这样的现象：重大发现一般具有偶然性。而深入研究其理论机理，理解其必然性，走新材料理性突破的道路又是人们所努力追求的。这在科研实践中，在量-质关系上，往往形成矛盾的、单一策略的过程实践。
MCP-WS1000并非支持无清晰策略的材料试错，而是主张 ：凡是值得尝试的，都应该高效完成，所谓“凡是效果不好的材料，就用短的时间知道它效果不好；凡是有潜力的新材料，就用短的时间让它更好”。事实上，并不存在“错”的材料，这些较差或者毫无转化效率可言的材料，仍然为科研者提供了更丰富详实的数据与经验。新尝试、新数据的累积会带来新认知，应该将这些数据与条件保存、记录下来。我们当前的科研活动与数据管理条件下，谁能确定，3年前的一个博士生做的实验，不被明天的一个新博士生再重复做一遍呢？
以当前的太阳光分解水产氢为例，我们完全可以借助新工具，发展新的研究策略（例如材料基因组策略与方法论），改变实验研究者的时间分配。时间，具有不可再生性，作为效率因式的分母，在工作场景和各环节中如何分配，绝不仅仅受意愿驱动，还必然受社会提供的工具影响。包括泊菲莱公司在内的、以及日本进口的单体式产氢设备，本质上仍然是天才式发现研究策略下的装置，但在今天，它可以被新工具所支撑的新策略所打破。
MCP-WS1000本质上是一个基于物理硬件，基于科研人员材料认知水平基础上的更高效数据生产工具，打通了以下的策略闭环：
关键特征
-
机械自动取样/送样，减少人为操作误差；
-
完善的配套设备，一站式实验室解决方案；
-
全面的实验条件快速筛选，提升时效性。
应用领域
▲特别适用 ●较为适用 ○可以使用
▲ 光合成 ▲ 光催化分解水制氢/氧 ▲ 光催化全分解水 ▲ 光催化CO2还原
▲ 光降解液体污染物（如染料、苯及苯系物等） ▲ 光催化量子效率测量
○ 光致变色 ○ 光降解气体污染物（如VOCs、氮氧化物等）
