interpret-ir-spectrum
Acerca de
Esta habilidad analiza sistemáticamente los espectros infrarrojos para identificar grupos funcionales en una muestra. Procesa tanto las regiones diagnósticas (4000-1500 cm⁻¹) como las de huella dactilar (1500-400 cm⁻¹), considera los efectos de los enlaces de hidrógeno y compila un inventario de grupos funcionales con niveles de confianza. Úsela para el cribado inicial de compuestos, el monitoreo de reacciones o para complementar datos de RMN y espectrometría de masas.
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-ir-spectrumCopia y pega este comando en Claude Code para instalar esta habilidad
Documentación
解讀紅外光譜
分析紅外吸收光譜以識別官能團、評氫鍵,並編樣品所含結構特徵之完整清單。
適用時機
- 首篩未知化合物中之官能團
- 確特定官能團之存或缺(如驗反應將醇轉為酮)
- 以特徵吸收之現或失監反應進度
- 別官能團內容異之相似化合物
- 以振動信息補 NMR 與質譜數據
輸入
- 必要:IR 光譜數據(cm-1 之吸收頻率與強度,為 %透射或吸光度圖)
- 必要:樣品製備法(KBr 壓片、ATR、Nujol 糊、薄膜、溶液池)
- 選擇性:分子式或預期化合物類
- 選擇性:自他光譜數據得之已知結構片段
- 選擇性:儀器參數(分辨率、掃描範圍、檢測器類)
步驟
步驟一:立光譜品質與格式
分析峰之前,驗光譜適於解讀:
- 查 y 軸格式:定光譜繪為 %透射(%T,峰向下)或吸光度(A,峰向上)。後續分析皆假定一致慣例
- 驗波數範圍:確光譜涵標準中紅外分析之至少 4000--400 cm-1。記任何截斷
- 評基線:好基線於無吸收域當相對平而近 100%T(或 0 吸光度)。傾斜或噪基線降可靠度
- 查分辨率:鄰峰距小於儀器分辨率者不能分辨。常 FTIR 分辨率為 4 cm-1
- 識製備偽影:KBr 壓片或顯吸濕之寬 O-H 帶(~3400 cm-1)。Nujol 糊遮 C-H 伸縮。ATR 光譜於低波數示強度失真。記任何限解讀之偽影
預期: 確光譜適分析,格式、範圍與偽影已記錄。
失敗時: 若光譜有嚴重基線問題、飽和(過濃樣品之平底峰),或遮關鍵域之製備偽影,記此限並標受影響光譜域為不可靠。
步驟二:掃診斷區(4000--1500 cm-1)
系統分析多數官能團產特徵吸收之高頻區:
- O-H 伸縮(3200--3600 cm-1):尋寬吸收。近 3600 cm-1 之尖峰示自由 O-H;3200--3400 cm-1 中心之寬帶示氫鍵之 O-H(醇、羧酸、水)
- N-H 伸縮(3300--3500 cm-1):一級胺示二峰(對稱與反對稱伸縮);二級胺示一峰。常較 O-H 帶尖
- C-H 伸縮(2800--3300 cm-1):
| Frequency (cm-1) | Assignment |
|---|---|
| 3300 | sp C-H (alkyne, sharp) |
| 3000--3100 | sp2 C-H (aromatic, vinyl) |
| 2850--3000 | sp3 C-H (alkyl, multiple peaks) |
| 2700--2850 | Aldehyde C-H (two peaks from Fermi resonance) |
- 三鍵區(2000--2300 cm-1):
| Frequency (cm-1) | Assignment | Notes |
|---|---|---|
| 2100--2260 | C triple-bond C | Weak or absent if symmetric |
| 2200--2260 | C triple-bond N | Medium to strong |
| ~2350 | CO2 | Atmospheric artifact, disregard |
- 羰基區(1650--1800 cm-1)——IR 中最具診斷之單區:
| Frequency (cm-1) | Assignment |
|---|---|
| 1800--1830, 1740--1770 | Acid anhydride (two C=O stretches) |
| 1770--1780 | Acid chloride |
| 1735--1750 | Ester |
| 1700--1725 | Carboxylic acid |
| 1705--1720 | Aldehyde |
| 1705--1720 | Ketone |
| 1680--1700 | Conjugated ketone / alpha-beta unsaturated |
| 1630--1690 | Amide (amide I band) |
- C=C 與 C=N 伸縮(1600--1680 cm-1):烯烴 C=C 於 1620--1680 cm-1(弱至中)。芳香 C=C 於近 1450--1600 cm-1 示多峰。C=N(亞胺)於 1620--1660 cm-1
預期: 診斷區所有吸收已識別,附官能團指派與信心級(強、暫定、缺)。
失敗時: 若羰基區被遮(如 KBr 中水吸收、大氣 CO2),記此缺口。若預期之官能團吸收缺,於確定真缺之前以第二製備法確認。
步驟三:分析指紋區(1500--400 cm-1)
察低頻區尋確認與結構細節:
- C-O 伸縮(1000--1300 cm-1):醚、酯、醇與羧酸產強 C-O 伸縮吸收。酯除羰基外於近 1000--1100 cm-1 示特徵強帶
- C-N 伸縮(1000--1250 cm-1):胺與醯胺;與 C-O 重疊使指派於無他證時暫定
- C-F、C-Cl、C-Br 伸縮:
| Frequency (cm-1) | Assignment |
|---|---|
| 1000--1400 | C-F (strong) |
| 600--800 | C-Cl |
| 500--680 | C-Br |
- 芳香取代模式(700--900 cm-1):面外 C-H 彎曲露取代:
| Frequency (cm-1) | Pattern |
|---|---|
| 730--770 | Mono-substituted (+ 690--710) |
| 735--770 | Ortho-disubstituted |
| 750--810, 860--900 | Meta-disubstituted |
| 790--840 | Para-disubstituted |
- 整體指紋比較:指紋區為每化合物獨有。若參考光譜可得,疊此區以確認同一
預期: 步驟二所識官能團之確認指派,加附結構細節(取代模式、C-O/C-N 指派)。
失敗時: 指紋區本質複而重疊。若指派模糊,標為暫定並依診斷區與他光譜數據作最終結論。
步驟四:評氫鍵與分子間效應
評樣品態與分子間互作如何影響光譜:
- 氫鍵寬化:比 O-H 與 N-H 帶之寬與位。自由 O-H 尖而近 3600 cm-1;氫鍵之 O-H 寬而移至 3200--3400 cm-1。羧酸二聚體自 2500--3300 cm-1 示甚寬 O-H
- 濃度與態效應:異濃之溶液光譜能別分子內(濃度無關)與分子間(濃度相關)氫鍵
- 費米共振:二重疊帶可作用而裂為雙峰。經典例為近 2720 與 2820 cm-1 之醛 C-H 對。識費米共振以避誤將多峰指派為別官能團
- 固態效應:KBr 壓片與 Nujol 糊反映固態堆積,寬化帶並相對溶液光譜移頻 10--20 cm-1。ATR 光譜最近純液態
預期: 氫鍵態已刻畫,製備法偽影已考量,任何異常帶形已釋。
失敗時: 若氫鍵效應不能解(如重疊之 O-H 與 N-H 帶),記此模糊。D2O 交換實驗或變溫研究可助,然此需附加數據。
步驟五:編官能團清單
合所有發現為結構化報告:
- 列已確認官能團:於診斷區有強、明確吸收者(如 1715 cm-1 之尖 C=O = 酮或醛)
- 列暫定指派:有較弱證據或重疊吸收、可由多於一官能團釋者
- 列缺官能團:其特徵強吸收明缺於光譜者(如無寬 O-H 帶謂無自由醇或羧酸)
- 記不符:任何不合擬議官能團集之吸收,或預期缺之吸收
- 交叉參考:若可得,比 IR 所得官能團清單於他技術(NMR、MS、UV-Vis)之信息
預期: 完整官能團清單按信心級分類,每指派以具體頻率與強度為據。
失敗時: 若清單不全或相悖,識別何附加實驗(ATR vs. KBr 比較、變濃、D2O 交換)可解模糊。
驗證
- 光譜品質已評(基線、分辨率、偽影、y 軸格式)
- 溶劑、製備法與大氣偽影已識別並排除
- 診斷區(4000--1500 cm-1)所有吸收已指派或標
- 羰基區已分析並於可能處作具體子類指派
- 指紋區已察以尋確認證據
- 氫鍵效應已評並記其對峰形/位之影響
- 官能團清單已編附信心級
- 缺官能團已明記之(負證據有信息)
- 指派已與他可得光譜數據交叉參考
常見陷阱
- 忽製備偽影:KBr 水(寬 3400 cm-1)、Nujol C-H(2850--2950 cm-1)與 ATR 低波數強度失真皆擬或遮真樣吸收。恒考製備法
- 過解指紋區:1500 cm-1 下之區複而重疊。用以確認,非主要識別。避每峰皆指派
- 混大氣 CO2 與樣峰:近 2350 cm-1 之尖雙峰幾皆為大氣 CO2,非樣吸收。背景減應除之,然當驗
- 忽帶強與寬:強寬吸收較同頻之弱尖峰有異診斷值。以強度(強/中/弱)與形(尖/寬)連同頻報之
- 單峰指派:絕勿以單吸收識別官能團。如羰基當有附加帶支之(酯之 C-O、醯胺之 N-H、醛之 C-H)
- 以弱吸收假缺:某些官能團本產弱 IR 吸收(對稱 C=C、對稱炔之三鍵)。峰缺不必謂團缺
相關技能
interpret-nmr-spectrum— 定詳連接性與氫環境interpret-mass-spectrum— 立分子式與裂片模式interpret-uv-vis-spectrum— 刻畫發色團以補 IR 官能團數據interpret-raman-spectrum— 獲 IR 非活模式之互補振動數據plan-spectroscopic-analysis— 於數據獲取前擇並排序光譜技術
Repositorio GitHub
Habilidades relacionadas
llamaguard
OtroLlamaGuard 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.
cost-optimization
OtroEsta 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.
quantizing-models-bitsandbytes
OtroEsta 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.
dispatching-parallel-agents
OtroEsta Skill de Claude despliega múltiples agentes para investigar y solucionar 3 o más problemas independientes de forma concurrente. Está diseñada para escenarios que involucran fallos no relacionados que pueden resolverse sin estado compartido o dependencias. Su capacidad principal es la resolución paralela de problemas, asignando un agente por cada dominio problemático independiente para maximizar la eficiencia.
