SKILL·2B5A9E

interpret-raman-spectrum

pjt222
Aktualisiert 3 months ago
21 Ansichten
31
3
31
Auf GitHub ansehen
Anderedata

Über

Diese Fähigkeit interpretiert Raman-Spektren, um molekulare Schwingungen zu identifizieren und Symmetrien zuzuordnen, indem sie Polarisierbarkeits-Auswahlregeln anwendet und Depolarisationsverhältnisse analysiert. Sie ist besonders nützlich für die Analyse von Proben, bei denen die IR-Spektroskopie schwierig ist, sowie für das Studium symmetrischer Schwingungen oder Kohlenstoffmaterialien. Zu den Kernfähigkeiten gehören die Reduzierung von Fluoreszenzstörungen, der Vergleich mit komplementären IR-Daten und das Abgleichen mit Referenzspektren.

Schnellinstallation

Claude Code

Empfohlen
Primär
npx skills add pjt222/agent-almanac -a claude-code
Plugin-BefehlAlternativ
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternativ
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/interpret-raman-spectrum

Kopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren

Dokumentation

解拉曼譜

析拉曼散射→識振動、用極化率選擇律、比補 IR 數據、評退偏比以賦對稱、識拉曼活模、減熒光干擾、參譜匹。

  • IR 難之樣(水溶、封容、遙感)
  • 識對稱振動(IR 弱或無)
  • 以互斥律補 IR(中心對稱分子)
  • 徵碳材(石墨烯、碳納米管、金剛石)之特徵拉曼帶
  • 析無機、礦、晶相(拉曼常較 IR 信息豐)
  • 非損、原位析(多拉曼測無需備樣)

  • :拉曼譜(拉曼位移 cm-1 vs 強)
  • :激發激光波長(如 532、633、785、1064 nm)
  • :同樣之 IR 譜以補析
  • :偏振數據(退偏比之平行/垂直譜)
  • :已知分子式或類
  • :樣物理態(固、液、溶液、氣、薄膜)

一:評譜質與識偽影

析峰前評拉曼譜可靠:

  1. 激光波長與熒光:熒光為拉曼最常之干擾。生寬強背景可遮拉曼峰。短波激光(532 nm)激發更多熒光;長波(785 nm、1064 nm)減之而拉曼信號弱(強隨 λ^-4)
  2. 信噪比:評拉曼峰明辨於噪。弱拉曼散射者或須長採或高激光功率
  3. 宇宙線尖刺:隨位之尖窄刺為宇宙線偽影非拉曼峰。時均集中僅現一譜可以刺濾除
  4. 基線校正:斜或曲基線(熒光或熱發射)當減之後量峰位與強
  5. 光降解:高激光功率可損或轉樣。察同點連續採譜之變。若降解→減功率
  6. 譜範:標拉曼譜涵 100-4000 cm-1。低頻截決於阻瑞利線之邊或陷濾。記截

得:譜質評,熒光水平記,偽影(宇宙線、基線漂)識或校正,可用譜範確。

敗:若熒光壓拉曼信號(寬背景 >> 拉曼峰)→建以長波激光(785 或 1064 nm)重測或表面增強拉曼(SERS)。樣降解→減激光功率或用旋轉樣台。

二:識拉曼活模並用選擇律

定哪振動為拉曼活及其如何補 IR 數據:

  1. 拉曼選擇律:涉分子極化率變之振動為拉曼活。對稱伸(常變分子體積)典拉曼強
  2. IR 選擇律(比):涉偶極矩變之振動為 IR 活。不對稱伸典 IR 強
  3. 互斥律:有反演中心(中心對稱)之分子→無振動可同為拉曼與 IR 活。若帶於二譜皆現→分子無對稱中心
  4. 一般互補:即非中心對稱分子,拉曼強之振典 IR 弱,反之。合 Raman + IR 較單一更豐
  5. 識拉曼偏好模:對稱伸(C-C、C=C、S-S、N=N)、環呼吸、同核鍵伸(無偶極變,IR 無效)典拉曼強

得:選擇律用,拉曼活 vs IR 活模辨,中心對稱分子之互斥律測。

敗:若分子對稱未知→用合 Raman 與 IR 數據推。若帶於二譜皆現且強相當→分子非中心對稱。

三:析拉曼位移位

以特徵頻賦觀察拉曼帶至具體振模:

  1. C-H 伸區(2800-3100 cm-1):似 IR,強異。芳與烯 C-H(3000-3100)常較脂 C-H 拉曼強
  2. 三鍵(2100-2260 cm-1):C≡C 對稱伸拉曼強且 IR 常弱或缺。C≡N 二者皆活
  3. 雙鍵伸
位移(cm-1)拉曼強
1600-1680C=C 伸
1650-1800C=O 伸中(較 IR 弱)
1500-1600芳 C=C中至強
  1. 芳環模
位移(cm-1)
990-1010環呼吸(單取代)極強,診
1000環呼吸(對稱三取代)
1580-1600環伸
3050-3070芳 C-H 伸
  1. 他特徵拉曼帶
位移(cm-1)
430-550S-S 伸(二硫)
570-705C-S 伸
800-1100C-C 骨架伸
630-770C-Cl 伸
500-680C-Br 伸
200-400金屬-配體伸
  1. 碳材:G 帶(~1580,石墨 sp2)與 D 帶(~1350,缺陷/無序)為碳同素異形體診。2D 帶(~2700)徵石墨烯層數。金剛石示 1332 之尖峰

得:諸要拉曼帶賦至振模,參特徵頻範。

敗:若上表不能賦→查譜庫(礦用 RRUFF、有機用 SDBS)。未賦帶或屬組合模、泛頻、或晶樣之晶格振

四:比拉曼與 IR 數據

合二互補振技:

  1. 列對應帶:造比表,各振模附拉曼位移、IR 頻、各技相對強
  2. 識僅一技之模:拉曼現而 IR 缺(或反)之模提供對稱信息。非極鍵(S-S、對稱環境 C=C)之對稱伸僅拉曼現
  3. 解模糊:IR 賦試定處(如指紋區疊 C-O、C-N 伸)→察拉曼是否因相對強異提供更明圖
  4. 官能團證:以拉曼對應證 IR 識之官能團。例酯當示 IR C=O(~1735)與拉曼 C-O-C。羧酸當示 IR 寬 O-H 與二技 C=O
  5. 評總一致:拉曼與 IR 當互洽。矛盾(如對稱伸帶於二譜皆強而設中心對稱)示賦或對稱假設誤

得:合 Raman + IR 之統一振析表,官能團賦由互補信息證或精。

敗:IR 無時→拉曼獨仍提供信息而確信低。記哪賦利於 IR 證。

五:評偏振數據並記結果

以退偏比賦對稱並輯終析:

  1. 退偏比 ρ:ρ = I⊥ / I∥,由偏振拉曼實驗量
    • ρ = 0 至 0.75:偏振帶(ρ < 0.75)。全對稱振(A 型)為偏振
    • ρ = 0.75:退偏帶。非全對稱振 ρ = 0.75
  2. 對稱賦:偏振帶須屬分子點群之全對稱不可約表示。此助辨於近頻之異對稱模
  3. 輯結:造全表含諸觀察拉曼帶:
    • 拉曼位移(cm-1)
    • 相對強(強/中/弱)
    • 退偏比(若量)
    • 賦(振模)
    • 對應 IR 帶(若觀)
  4. 比參譜:化合物已知→比觀察拉曼 vs 已發表參譜(RRUFF、SDBS、NIST 等庫)。峰位差 +/- 3 cm-1 內且相對強匹→證身
  5. 報不確:標仍試定之賦,記額外實驗(溫變拉曼、共振拉曼、SERS)可解模糊

得:完整拉曼析附諸帶賦,偏振數據解對稱,結合 IR 與他譜數據。

敗:偏振數據無時→對稱賦僅賴頻與強。記限並建關鍵時偏振測。

  • 譜質評(熒光、宇宙線、基線、光降解)
  • 拉曼選擇律用並識拉曼活模
  • 中心對稱分子以互斥律測
  • 諸要拉曼帶賦振模
  • 有 IR 時比並合拉曼數據
  • 有偏振時退偏比解對稱
  • 賦與已知或由他技設之結構合
  • 可能時比參譜

  • 熒光壓拉曼信號:最常之問題。換長波激光或用時間門控檢測。勿將寬熒光包解為拉曼帶
  • 混宇宙線刺為真峰:宇宙線生隨位尖強刺。單採見而均譜無。必查重現
  • 忽極化率選擇律:IR 強之模(極鍵不對稱伸)拉曼或弱或缺,反之。勿期與 IR 同強式
  • 忽樣降解:高激光功率可炭化、聚合、或相變樣。同點連續測之譜變示降解
  • 假設諸拉曼帶為基:泛頻(2x 基頻)與組合帶可現於拉曼譜。典較基弱但若不考可致混
  • 忽低頻模:晶格振、扭轉模、金屬-配體伸現於 400 cm-1 以下。多標拉曼裝置無及此區。此模相關時驗儀陷/邊濾許低頻測

  • interpret-ir-spectrum —— 極活模之互補振技
  • interpret-nmr-spectrum —— 定分子連接以全結構賦
  • interpret-mass-spectrum —— 立分子式與裂片
  • interpret-uv-vis-spectrum —— 徵電子躍遷與發色團
  • plan-spectroscopic-analysis —— 數據採前擇分析技序

GitHub Repository

pjt222/agent-almanac
Pfad: i18n/wenyan-ultra/skills/interpret-raman-spectrum
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams
FAQ

Häufig gestellte Fragen

Was ist der Skill interpret-raman-spectrum?

interpret-raman-spectrum ist ein Claude Skill von pjt222. Skills bündeln Anweisungen und Ressourcen, die Claude bei Bedarf lädt, um Aufgaben rund um interpret-raman-spectrum ohne zusätzliche Eingaben auszuführen.

Wie installiere ich interpret-raman-spectrum?

Verwende die Installationsbefehle auf dieser Seite: Füge interpret-raman-spectrum als Plugin zu Claude Code hinzu oder klone das Repository in dein Skills-Verzeichnis. Starte Claude danach neu, damit der Skill geladen wird.

Zu welcher Kategorie gehört interpret-raman-spectrum?

interpret-raman-spectrum gehört zur Kategorie Andere.

Kann ich interpret-raman-spectrum kostenlos nutzen?

Ja. interpret-raman-spectrum ist auf AIMCP gelistet und kann kostenlos installiert werden.

Verwandte Skills

llamaguard
Andere

LlamaGuard ist Metas 7-8B-Parameter-Modell zur Moderation von LLM-Eingaben und -Ausgaben in sechs Sicherheitskategorien wie Gewalt und Hassrede. Es bietet eine Genauigkeit von 94-95 % und kann mit vLLM, Hugging Face oder Amazon SageMaker eingesetzt werden. Nutzen Sie diese Skill, um Inhaltsfilterung und Sicherheitsguardrails einfach in Ihre KI-Anwendungen zu integrieren.

Skill ansehen
cost-optimization
Andere

Diese Claude Skill unterstützt Entwickler bei der Optimierung von Cloud-Kosten durch Ressourcen-Dimensionierung, Tagging-Strategien und Ausgabenanalysen. Sie bietet einen Rahmen zur Senkung von Cloud-Ausgaben und zur Implementierung von Kosten-Governance für AWS, Azure und GCP. Nutzen Sie sie, wenn Sie Infrastrukturkosten analysieren, Ressourcen richtig dimensionieren oder Budgetvorgaben einhalten müssen.

Skill ansehen
sports-betting-analyzer
Andere

Diese Claude Skill analysiert Sportwettenmärkte inklusive Handicaps, Over/Unders und Spezialwetten, indem sie historische Trends und situative Statistiken untersucht, um Wertwetten zu identifizieren. Sie liefert strukturierte Markdown-Ausgaben mit umsetzbaren Empfehlungen zu Bildungszwecken. Entwickler sollten dies für Sportwetten-Analysetools nutzen, wobei zu beachten ist, dass es nur zur Unterhaltung/Bildung konzipiert wurde.

Skill ansehen
quantizing-models-bitsandbytes
Andere

Diese Fähigkeit quantisiert LLMs auf 8-Bit- oder 4-Bit-Präzision mittels bitsandbytes und erreicht dabei eine Speicherreduzierung von 50–75 % bei minimalem Genauigkeitsverlust. Sie ist ideal für den Betrieb größerer Modelle mit begrenztem GPU-Speicher oder zur Beschleunigung von Inferenzvorgängen und unterstützt Formate wie INT8, NF4 und FP4. Die Fähigkeit integriert sich in HuggingFace Transformers und ermöglicht QLoRA-Training sowie 8-Bit-Optimierer.

Skill ansehen