MCP HubMCP Hub
Retour aux compétences

interpret-uv-vis-spectrum

pjt222
Mis à jour Yesterday
1 vues
17
2
17
Voir sur GitHub
Autregeneral

À propos

Cette compétence interprète les spectres d'absorption UV-Vis pour identifier les chromophores, déterminer les types de transitions électroniques et appliquer les règles de Woodward-Fieser pour la prédiction des longueurs d'onde. Elle utilise également la loi de Beer-Lambert pour les calculs de concentration. Les développeurs doivent l'utiliser pour l'identification des composés, le contrôle de la pureté et l'analyse quantitative dans les applications spectroscopiques.

Installation rapide

Claude Code

Recommandé
Principal
npx skills add pjt222/agent-almanac -a claude-code
Commande PluginAlternatif
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternatif
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/interpret-uv-vis-spectrum

Copiez et collez cette commande dans Claude Code pour installer cette compétence

Documentation


name: interpret-uv-vis-spectrum locale: zh-CN source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16 description: > 解读紫外-可见吸收光谱,识别发色团、确定电子跃迁类型、应用 Woodward-Fieser 规则预测吸收波长,并利用比尔-朗伯定律计算浓度。用于化合物鉴定、纯度 检测和定量分析。 license: MIT allowed-tools: Read Grep Glob WebFetch WebSearch metadata: author: Philipp Thoss version: "1.0" domain: spectroscopy complexity: intermediate language: natural tags: spectroscopy, uv-vis, chromophore, beer-lambert, electronic-transitions

解读紫外-可见光谱

通过识别发色团、归因电子跃迁、应用 Woodward-Fieser 规则以及利用比尔-朗伯定律进行定量分析,系统解读紫外-可见吸收光谱。

适用场景

  • 确认共轭烯烃或芳香族化合物的发色团
  • 鉴别电子跃迁类型(π→π*、n→π*、σ→σ*)
  • 通过 Woodward-Fieser 规则预测共轭二烯和 α,β-不饱和羰基的吸收波长
  • 利用比尔-朗伯定律进行浓度测定和纯度检测
  • 监测反应进程或配合物形成(通过吸光度变化)

输入

  • 必填:UV-Vis 光谱(吸光度 vs. 波长,单位 nm)
  • 必填:所用溶剂
  • 必填:样品浓度和比色皿光程(定量分析时需要)
  • 可选:分子式或结构(用于聚焦解读)
  • 可选:ε(摩尔消光系数,若已知)

步骤

第 1 步:识别吸收带和基本参数

读取光谱的基本特征:

  1. λmax(最大吸收波长,nm):吸光度最高处对应的波长。
  2. ε(摩尔消光系数,L·mol-1·cm-1):由比尔-朗伯定律计算:A = ε × c × l,其中 A 为吸光度,c 为浓度(mol/L),l 为光程(cm)。
  3. 吸收带的形状:宽带(n→π* 跃迁)或振动精细结构(芳香族 π→π* 跃迁)。

电子跃迁类型参考

跃迁类型典型 λmax(nm)典型 ε特点
σ→σ*< 150仅在真空 UV 可见(烷烃)
n→σ*150–250中等含杂原子化合物
π→π*150–250(孤立),200–400(共轭)高(> 1000)烯烃、芳香族、羰基
n→π*250–600低(10–100)羰基、偶氮基

预期结果: 记录所有吸收带的 λmax、ε,并初步归因跃迁类型。

失败处理: 若无明显吸收峰(基线平坦),可能化合物在所测波段无发色团,或浓度太低。尝试增大浓度或改用更短波长(185–210 nm)。

第 2 步:识别发色团

根据 λmax 和 ε 确定存在的发色团:

发色团λmax(nm)log ε跃迁
孤立 C=C1653.8π→π*
孤立 C=O280–3001.5n→π*
共轭二烯220–2604.0π→π*
α,β-不饱和羰基220(高 ε)+ 310–330(低 ε)π→π* + n→π*
254(精细结构)2.0B 带
苯(取代后红移)270–290E2 带
多环芳烃300–400+3–5π→π*

溶剂效应

  • 极性溶剂使 n→π* 跃迁蓝移(超色移)
  • 极性溶剂使 π→π* 跃迁红移(深色移)
  • 氢键溶剂(水、醇)对 n→π* 的影响最显著

预期结果: 化合物中的主要发色团已确认,跃迁性质与 λmax 和 ε 相符。

失败处理: 若 λmax 与预期发色团不符,考虑溶剂效应(换溶剂重测)或互变异构(改变 pH 后重测)。

第 3 步:应用 Woodward-Fieser 规则

通过经验规则预测共轭体系的 λmax:

共轭二烯(Woodward 规则)

贡献项增量(nm)
基值(s-顺二烯)253
基值(s-反二烯)217
每个共轭延伸(C=C)+30
每个烷基取代基+5
每个环外双键+5
每个交叉共轭同环双键(homodienoid)

α,β-不饱和羰基(Woodward-Fieser 规则)

贡献项增量(nm)
基值(酮,六元环及链状)215
基值(醛)208
基值(五元环酮)202
α 位烷基+10
β 位烷基+12
δ 位以上烷基+18
α,β 双键延伸(双重共轭)+30

计算示例(2-环己烯酮):

  • 基值:215 nm
  • β-烷基取代(2 个):+ 2 × 12 = +24
  • 预测 λmax:239 nm(实验值约 239 nm)

预期结果: 计算得到的 λmax 与实验值相差在 ±5 nm 以内。

失败处理: 若预测值偏差超过 10 nm,检查是否遗漏了取代基(特别是隐蔽的烷基)或分子中存在张力导致非理想共平面结构。

第 4 步:定量分析——比尔-朗伯定律

利用比尔-朗伯定律进行浓度测定:

A = ε × c × l

  1. 确定 ε(标准曲线法):
    • 配制一系列浓度标准溶液(如 5–50 μM)
    • 在 λmax 处测定各标准溶液的吸光度
    • 绘制 A 对 c 的线性图,斜率 = ε × l(光程已知时可直接求 ε)
  2. 测定未知样品浓度
    • 在 λmax 处测定样品吸光度
    • 代入 c = A / (ε × l)
  3. 比尔-朗伯定律的适用范围
    • 吸光度应在 0.1–1.0 之间(最佳线性范围)
    • A > 1.5 时可能出现非线性(适当稀释后重测)
    • 检查混合物中其他组分在 λmax 处是否也有吸收(干扰)
## 定量结果
- 所用波长(λmax):[值] nm
- 所用 ε:[值] L·mol-1·cm-1
- 光程:[值] cm
- 测定吸光度:[值]
- 计算浓度:[值] mol/L
- 线性范围是否验证:[是/否]

预期结果: 计算得到的浓度与预期值合理吻合,且相对标准偏差(RSD)< 2%(对于重复测量)。

失败处理: 若浓度超出标准曲线范围(A > 1.5 或 < 0.05),按比例稀释或浓缩后重测。若标准曲线 R² < 0.999,检查配制误差或溶液降解。

第 5 步:综合结论

整合所有分析,得出结论:

## UV-Vis 分析总结
- 观测 λmax(nm):[值],ε = [值]
- 归因跃迁类型:[π→π* / n→π* / …]
- 确认的发色团:[共轭二烯 / α,β-不饱和酮 / 苯环 / …]
- Woodward-Fieser 预测值:[nm](若适用)
- 溶剂效应:[有/无,描述]
- 定量结果:[浓度,若测定]
- 建议补充测试:[改变 pH 后重测(用于酸碱指示剂)/ 荧光 / NMR]

预期结果: 主要发色团已确认,跃迁类型已归因,定量结果(若有)已报告,结论与其他谱学数据一致。

失败处理: 若结论模糊,建议改变溶剂、pH 或温度重新测定,利用溶剂效应区分 n→π* 和 π→π* 跃迁。

验证清单

  • λmax 和 ε 已从谱图准确读取
  • 跃迁类型(π→π*、n→π*)已根据 λmax 和 ε 进行归因
  • 发色团已通过 λmax 确认(参考标准表)
  • 溶剂效应已分析(若有多种溶剂条件的数据)
  • Woodward-Fieser 规则已应用于共轭体系(预测值与实验值比较)
  • 定量分析中吸光度在 0.1–1.0 线性范围内
  • 结论与 IR/NMR 数据的官能团结论相符

常见问题

  • 混淆 ε 和 A:摩尔消光系数 ε 是物质的特性参数(单位 L·mol-1·cm-1),吸光度 A 是测量值(无量纲)。报告 λmax 时必须同时给出 ε,而不仅仅是 A。
  • 忽视溶剂截止波长:常用溶剂在短波区有截止点(水:190 nm;乙醇:210 nm;二氯甲烷:235 nm)。截止波长以下的吸收是溶剂本身的贡献,不属于样品信号。
  • 在 A > 1.5 处进行定量:比尔-朗伯定律在高吸光度区间不再线性,将导致浓度低估。应稀释至吸光度 0.1–1.0 范围内。
  • 误判 n→π 跃迁的溶剂效应方向*:n→π* 在极性溶剂(如水)中蓝移(超色移),而 π→π* 红移(深色移)。二者方向相反,可用于区分跃迁类型。
  • 忽视精细振动结构:苯环在 254 nm 附近的精细结构(B 带,E1u 带被禁阻)是芳香族的标志性特征。若谱图平滑无精细结构,检查浓度和溶剂的影响。
  • 遗漏烷基取代基:Woodward-Fieser 计算中,每个直接相连的烷基均需计入。隐蔽的环内取代基(如环己酮中的亚甲基)常被遗漏。

相关技能

  • interpret-ir-spectrum — IR 提供 UV-Vis 所无法给出的官能团信息
  • interpret-nmr-spectrum — NMR 确认共轭体系的具体结构
  • plan-spectroscopic-analysis — 规划多谱联用分析方案

Dépôt GitHub

pjt222/agent-almanac
Chemin: i18n/zh-CN/skills/interpret-uv-vis-spectrum
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Compétences associées

llamaguard

Autre

LlamaGuard est le modèle de Meta, doté de 7 à 8 milliards de paramètres, conçu pour modérer les entrées et sorties des LLM selon six catégories de sécurité comme la violence et les discours haineux. Il offre une précision de 94 à 95 % et peut être déployé avec vLLM, Hugging Face ou Amazon SageMaker. Utilisez cette compétence pour intégrer facilement le filtrage de contenu et des garde-fous de sécurité dans vos applications d'IA.

Voir la compétence

cost-optimization

Autre

Cette compétence de Claude aide les développeurs à optimiser les coûts du cloud grâce au redimensionnement des ressources, aux stratégies d'étiquetage et à l'analyse des dépenses. Elle fournit un cadre pour réduire les dépenses cloud et mettre en œuvre une gouvernance des coûts sur AWS, Azure et GCP. Utilisez-la lorsque vous devez analyser les coûts d'infrastructure, redimensionner les ressources ou respecter des contraintes budgétaires.

Voir la compétence

quantizing-models-bitsandbytes

Autre

Cette compétence quantifie les LLMs en précision 8 bits ou 4 bits à l'aide de bitsandbytes, permettant une réduction de 50 à 75 % de la mémoire utilisée avec une perte de précision minime. Elle est idéale pour exécuter des modèles plus volumineux sur une mémoire GPU limitée ou pour accélérer l'inférence, prenant en charge des formats comme INT8, NF4 et FP4. La compétence s'intègre à HuggingFace Transformers et permet l'entraînement QLoRA ainsi que l'utilisation d'optimiseurs en 8 bits.

Voir la compétence

dispatching-parallel-agents

Autre

Cette compétence Claude déploie plusieurs agents pour enquêter et résoudre simultanément 3 problèmes indépendants ou plus. Elle est conçue pour des scénarios impliquant des défaillances non liées qui peuvent être résolues sans état partagé ni dépendances. La capacité fondamentale est la résolution de problèmes en parallèle, en assignant un agent par domaine problématique indépendant afin de maximiser l'efficacité.

Voir la compétence