interpret-uv-vis-spectrum
Acerca de
Esta habilidad interpreta espectros UV-Vis para identificar cromóforos y transiciones electrónicas. Aplica las reglas de Woodward-Fieser para sistemas conjugados y realiza análisis cuantitativo utilizando la ley de Beer-Lambert. Úsela para caracterizar compuestos orgánicos, monitorear cinéticas de reacción y analizar complejos metálicos.
Instalación rápida
Claude Code
Recomendadonpx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/interpret-uv-vis-spectrumCopia y pega este comando en Claude Code para instalar esta habilidad
Documentación
解 UV-Vis 譜
析紫外可見吸收→識發色團、歸電子躍遷、於共軛系用 Woodward-Fieser 律、以 Beer-Lambert 律定量。
用
- 識有機物之發色團與共軛度
- 證芳環、共軛烯、烯酮存在
- 定量析(由吸光度定濃)
- 監反應動力(追蹤吸光度時變)
- 徵金屬-配體絡合物(d-d 與電荷轉移躍遷)
- 評溶劑效(溶劑效應)
入
- 必:UV-Vis 譜(波長 nm vs 吸光度或摩爾吸光)
- 必:測用溶劑
- 可:濃與光程(為 Beer-Lambert 算)
- 可:λmax 之摩爾吸光 ε
- 可:多溶劑之譜(析溶劑效應)
- 可:他譜法之結構信息
行
一:驗儀參與譜質
析吸收帶前確數據可靠:
- 波長範:確譜涵相關範。標 UV-Vis 於 190-800 nm。溶劑定低波長截:
| 溶劑 | UV 截(nm) | 備 |
|---|---|---|
| 水 | 190 | UV 優透 |
| 己烷 | 195 | 非極、溶劑效微 |
| 甲醇 | 205 | 質子性、或致藍移 |
| 乙腈 | 190 | 通用 UV 溶劑佳 |
| 二氯甲烷 | 230 | 230 下吸 |
| 氯仿 | 245 | 245 下吸 |
| 丙酮 | 330 | 強吸,差 UV 溶劑 |
- 吸光度範:可靠測於 A = 0.1-1.0 間。< 0.1 噪主;> 1.0 雜光致非線。標範外 λmax
- 基線與空白:驗減溶劑空白。殘溶劑吸或杯偽影→短波長處升基線
- 狹縫寬:窄縫解析佳而信噪低。若期精細(電子帶之振動級進)→驗縫寬適(典 1-2 nm)
得:儀參記,溶劑截守,吸光度於線範,基線確淨。
敗:λmax A > 1.0 →須稀而重測。溶劑吸於關注區→建換更透溶劑重採。
二:定 λmax 與帶特徵
尋並徵諸吸收帶:
- 尋 λmax:識各吸收頂(λmax)並記波長(nm)與吸光度(或 ε 若知)
- 量帶形:察各帶寬而無特(溶液相電子躍遷典)或示振動精細結構(剛性發色團如多環芳香典)
- 記肩:吸收肩示疊躍遷。記約波長與強
- 按 ε 歸:
| ε (L mol-1 cm-1) | 躍遷型 | 例 |
|---|---|---|
| < 100 | 禁戒(n → π*) | 酮 ~280 nm |
| 100-10,000 | 弱允 | 芳 250-270 nm |
| 10,000-100,000 | 全允(π → π*) | 共軛烯 ~220 nm |
| > 100,000 | 電荷轉移 | 金屬絡合、染料 |
得:諸吸收頂與肩列,附波長、吸光度/ε、質性帶形。
敗:譜無明頂(單調升)→化合物於測範或缺發色團,或濃過低。增濃或延波長範。
三:歸電子躍遷
各吸收帶賦具體躍遷型:
- *σ → σ(< 200 nm)**:僅真空 UV 觀。飽和烴與 C-C/C-H 鍵相關。標 UV-Vis 不常測
- *n → σ(150-250 nm)**:孤對至 σ 反鍵。雜原子(O、N、S、鹵)觀。飽和胺 ~190-200;醇/醚 ~175-185
- π → π(200-500 nm)**:成鍵 π 至反鍵 π。有機物最強吸收。強與波長隨共軛延而增
- *n → π(250-400 nm)**:孤對至 π 反鍵。形式禁戒(ε 低,典 10-100)。C=O(簡酮 270-280)、N=O、C=S 之特徵
- 電荷轉移躍遷:給體與受體間或金屬與配體間電子轉移。典極強(ε > 10,000)且寬。金屬絡合物、給-受有機分子見
- d-d 躍遷(過渡金屬絡合物):可見區之弱寬帶,由晶場或配體場裂生
得:各吸收帶賦躍遷型附理(位、強、溶劑敏)。
敗:若帶不能歸標躍遷型→考電荷轉移或雜質吸收。多疊躍遷或須解卷積。
四:共軛系用 Woodward-Fieser 律
為共軛烯與烯酮預 λmax 並比觀察:
- 共軛烯(Woodward 律):
| 組 | 增量(nm) |
|---|---|
| 基值(異環二烯) | 214 |
| 基值(同環二烯) | 253 |
| 各額外共軛 C=C | +30 |
| 各環外 C=C | +5 |
| 各 C=C 上烷基取代 | +5 |
| -OAcyl 取代 | +0 |
| -OR 取代 | +6 |
| -SR 取代 | +30 |
| -Cl、-Br 取代 | +5 |
| -NR2 取代 | +5 |
- α-β 不飽和羰(Woodward-Fieser 律):
| 組 | 增量(nm) |
|---|---|
| 基值(α-β 不飽和酮,6 環或無環) | 215 |
| 基值(α-β 不飽和醛) | 208 |
| 各額外共軛 C=C | +30 |
| 各環外 C=C | +5 |
| 同環二烯組 | +39 |
| α 取代(烷) | +10 |
| β 取代(烷) | +12 |
| γ 及更高取代(烷) | +18 |
| -OH(α) | +35 |
| -OH(β) | +30 |
| -OAc(α、β、γ) | +6 |
| -OR(α) | +35 |
| -OR(β) | +30 |
| -Cl(α) | +15 |
| -Cl(β) | +12 |
| -Br(β) | +25 |
| -NR2(β) | +95 |
- 算預 λmax:基值加諸適用增量
- 比觀察:+/- 5 nm 內合支設發色團。差 > 10 nm 示結構賦誤或強溶/立體效
得:預 λmax 算並比觀察值,支或駁設發色團結構。
敗:若預與觀察顯異→復審假設發色團結構。常誤:計取代錯、忽環外雙鍵、或用誤基值(同環 vs 異環)。
五:用 Beer-Lambert 律定量
以吸光度定濃或徵摩爾吸光:
- Beer-Lambert 式:A = ε * b * c,A = 吸光度(無量綱),ε = 摩爾吸光(L mol-1 cm-1),b = 光程(cm),c = 濃(mol L-1)
- 定 ε:若濃與光程知→由 λmax 測吸光度算 ε
- 定濃:若 ε 知(文獻或校曲)→由測吸光度算濃
- 察線性:Beer-Lambert 律僅線範內有效(典 A = 0.1-1.0)。高吸光度因雜光、分子作用、儀限→偏差
- 評溶劑效:比極 vs 非極溶劑之譜:
- 紅移:λmax 至長波。π → π* 於極溶劑紅移;n → π* 於非極溶劑紅移
- 藍移:λmax 至短波。n → π* 於極/質子溶劑藍移(氫鍵穩孤對基態)
- 增/減色效:ε 增減而波長不變
得:定量結果以適有效數算,線性驗,有多溶劑時記溶劑效。
敗:Beer-Lambert 線性失→察樣降解、高濃聚集、或熒光干擾。稀並重測以證。
驗
- 溶劑截守且吸光度於線範(0.1-1.0)
- 諸 λmax 與肩列附波長、吸光度、ε
- 各吸收帶賦電子躍遷型
- 適用處行 Woodward-Fieser 算並比觀察 λmax
- Beer-Lambert 律正用,線性已驗
- 多溶劑時記溶劑效
- 發色團賦合他譜法之分子結構
忌
- 測於 A > 1.0:高吸光度因雜光效不可靠。λmax 吸光度 > 1.0 必稀並重測
- 忽溶劑截:試解溶劑截下之吸收→偽影非真樣
- 僅以強辨躍遷:~280 nm 之弱帶可為羰之 n → π* 或芳之禁戒 π → π*。須脈絡與溶劑效辨
- 誤用 Woodward-Fieser 律:此經律僅適共軛烯與 α-β 不飽和羰。不可用芳系、孤立發色團、金屬絡合物
- 忽雜質吸收:少量強吸雜質可主譜。λmax 不合預期→考雜質貢獻
- 假設一帶=一躍遷:寬 UV-Vis 帶常含多疊躍遷。精確賦或需帶解卷積
參
interpret-nmr-spectrum—— 定分子連接以助發色團識interpret-ir-spectrum—— 識貢獻發色團之官能團interpret-mass-spectrum—— 立分子式並由裂片察共軛interpret-raman-spectrum—— 對稱發色團之互補振數據plan-spectroscopic-analysis—— 數據採前擇譜技序
Repositorio GitHub
Frequently asked questions
What is the interpret-uv-vis-spectrum skill?
interpret-uv-vis-spectrum is a Claude Skill by pjt222. Skills package instructions and resources that Claude loads on demand, so Claude can perform interpret-uv-vis-spectrum-related tasks without extra prompting.
How do I install interpret-uv-vis-spectrum?
Use the install commands on this page: add interpret-uv-vis-spectrum to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.
What category does interpret-uv-vis-spectrum belong to?
interpret-uv-vis-spectrum is in the Other category, tagged general.
Is interpret-uv-vis-spectrum free to use?
Yes. interpret-uv-vis-spectrum is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
Habilidades relacionadas
LlamaGuard es el modelo de Meta de 7-8B parámetros para moderar las entradas y salidas de LLM en seis categorías de seguridad como violencia y discurso de odio. Ofrece una precisión del 94-95% y puede implementarse usando vLLM, Hugging Face o Amazon SageMaker. Utiliza esta skill para integrar fácilmente filtrado de contenido y barreras de seguridad en tus aplicaciones de IA.
Esta Skill de Claude ayuda a los desarrolladores a optimizar los costes en la nube mediante el ajuste de tamaño de recursos, estrategias de etiquetado y análisis de gastos. Proporciona un marco para reducir los gastos en la nube e implementar una gobernanza de costes en AWS, Azure y GCP. Úsala cuando necesites analizar los costes de infraestructura, ajustar el tamaño de los recursos o cumplir con restricciones presupuestarias.
Esta habilidad de Claude analiza los mercados de apuestas deportivas, incluyendo spreads, over/unders y apuestas de propuestas, mediante el examen de tendencias históricas y estadísticas situacionales para identificar apuestas de valor. Proporciona una salida en markdown estructurado con recomendaciones accionables con fines educativos. Los desarrolladores deben utilizar esto para herramientas de análisis de apuestas deportivas, teniendo en cuenta que está diseñado únicamente para entretenimiento/educación.
Esta habilidad cuantiza LLMs a precisión de 8 o 4 bits utilizando bitsandbytes, logrando una reducción de memoria del 50-75% con pérdida mínima de precisión. Es ideal para ejecutar modelos más grandes en memoria GPU limitada o para acelerar la inferencia, admitiendo formatos como INT8, NF4 y FP4. La habilidad se integra con HuggingFace Transformers y permite entrenamiento QLoRA y optimizadores de 8 bits.
