问题所在：实时太慢
新产品可能需要两到三年的有效期，但企业不可能在上市前先储存三年。解决办法是加速稳定性试验：在高于常温的条件下储存样品，观察其更快地降解，再用数学方法把这种快速衰减换算回室温下的速率。热之所以是加速器，是因为几乎每个反应都会随温度升高而加快。
在国际上，这些条件由ICH 稳定性指南统一规定：长期条件 25 °C/60% 相对湿度与加速条件 40 °C/75% RH 是常用的一对，必要时加一个中间条件。全球采用相同条件意味着一套稳定性数据可在各监管机构间通用。
阿伦尼乌斯：把热与速率精确联系
温度与速率常数之间的联系就是阿伦尼乌斯方程。在其实用形式中，把 k 的对数对 1/T（开尔文温度）作图，会得到一条直线，其斜率揭示活化能——反应必须翻越的能量“山坡”。在两三个高温下测出 k，画出直线，再外推到 25 °C，就能得到那个你永远等不起去直接测量的室温 k。
一个更亲切的经验法则是 Q10 因子：温度每升高 10 °C，反应大约快多少倍。对许多药物降解反应，Q10 约为 2–3——这是个有用的心算捷径，但当涉及真实失效日期时，绝不能替代真正的阿伦尼乌斯拟合。
Q10 accelerated estimate (illustrative)
Accelerated study at 40 C gives:
t90 (40 C) = 6 months
We want t90 at the storage temperature 25 C.
Temperature drop = 40 - 25 = 15 C => 1.5 steps of 10 C
Assume Q10 = 3 (reaction 3x slower per 10 C cooling):
slowdown factor = Q10^(15/10) = 3^1.5 = 5.20
t90 (25 C) = 6 months x 5.20
t90 (25 C) = 31 months (~2.6 years)
=> Predicted shelf life ~ 30 months, to be CONFIRMED
by real-time 25 C data before it is final.捷径失灵之处
阿伦尼乌斯外推假设每个温度下进行的是同一反应。热可能打破这一假设。如果固体熔化、原料药晶型改变、蛋白质变性，或受热时水分行为不同，高温数据就不再能预测室温——那条直线会“说谎”。这正是为什么加速数据被视为有力的预测，而非定论。