MCP HubMCP Hub
스킬 목록으로 돌아가기

interpret-ir-spectrum

pjt222
업데이트됨 Yesterday
2 조회
17
2
17
GitHub에서 보기
기타general

정보

이 스킬은 시료 내 작용기를 식별하기 위해 적외선(IR) 스펙트럼을 프로그램적으로 해석합니다. 주요 스펙트럼 영역(4000-1500 cm⁻¹ 및 1500-400 cm⁻¹)을 분석하고, 수소 결합을 고려하며, 신뢰도 수준을 포함한 목록을 작성합니다. 화합물 스크리닝, 반응 모니터링 또는 특정 작용기의 존재/부재 확인에 활용하세요.

빠른 설치

Claude Code

추천
기본
npx skills add pjt222/agent-almanac -a claude-code
플러그인 명령대체
/plugin add https://github.com/pjt222/agent-almanac
Git 클론대체
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/interpret-ir-spectrum

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서

解 IR 光譜

析紅外吸收光譜以辨官能團,評氫鍵,匯樣品結構特徵之全錄。

用時

  • 辨未知化合之官能團,為初篩之步
  • 證某官能團之有無(如驗某反應由醇轉為酮)
  • 監反應進程,隨特徵吸收之現與滅
  • 別官能團內容異之相似化合
  • 以振動資訊補 NMR 與質譜之數據

  • 必要:IR 光譜數據(cm-1 吸收頻率與強度,%透射率或吸光度圖)
  • 必要:樣品製備法(KBr 壓片、ATR、Nujol 糊、薄膜、溶液池)
  • 可選:分子式或預期化合類
  • 可選:自他光譜得之既知結構片段
  • 可選:儀器參數(解析度、掃描範圍、檢測器類型)

第一步:立光譜品質與格式

析峰之前,驗光譜適於解讀:

  1. 察 y 軸格式:判光譜以 %透射率 (%T,峰向下) 或吸光度 (A,峰向上) 繪之。後析皆依一致之約
  2. 驗波數範圍:確標準中紅外析至少涵 4000--400 cm-1。記任何截斷
  3. 評基線:佳基線當相對平、近 100%T(或 0 吸光度)於無吸收之區。傾或雜之基線減可信
  4. 察解析度:相鄰峰隔小於儀器解析度則不可別。典型 FTIR 解析度為 4 cm-1
  5. 辨製備偽影:KBr 壓片或現水分所致寬 O-H 帶(~3400 cm-1)。Nujol 糊蔽 C-H 伸縮。ATR 於低波數顯強度失真。記限解讀之偽影

**得:**光譜確適於析,格式、範圍、偽影皆有記。

**敗則:**若光譜基線嚴重問題、飽和(樣品過濃致平底峰)、或製備偽影蔽關鍵區,記此限並標影響之譜區為不可靠。

第二步:掃診斷區 (4000--1500 cm-1)

系統化析高頻區,大多官能團於此生特徵吸收:

  1. O-H 伸縮 (3200--3600 cm-1):尋寬吸收。近 3600 cm-1 之銳峰示游離 O-H;3200--3400 cm-1 居中之寬帶示氫鍵 O-H(醇、羧酸、水)
  2. N-H 伸縮 (3300--3500 cm-1):一級胺顯二峰(對稱與不對稱伸縮);二級胺顯一峰。常銳於 O-H 帶
  3. C-H 伸縮 (2800--3300 cm-1)
頻率 (cm-1)歸屬
3300sp C-H(炔,銳)
3000--3100sp2 C-H(芳香、乙烯)
2850--3000sp3 C-H(烷,多峰)
2700--2850醛 C-H(費米共振二峰)
  1. 三鍵區 (2000--2300 cm-1)
頻率 (cm-1)歸屬
2100--2260C 三鍵 C對稱則弱或無
2200--2260C 三鍵 N中至強
~2350CO2大氣偽影,略之
  1. 羰基區 (1650--1800 cm-1) — IR 中最具診斷之單區:
頻率 (cm-1)歸屬
1800--1830、1740--1770酸酐(二 C=O 伸縮)
1770--1780醯氯
1735--1750
1700--1725羧酸
1705--1720
1705--1720
1680--1700共軛酮/α-β 不飽和
1630--1690醯胺(醯胺 I 帶)
  1. C=C 與 C=N 伸縮 (1600--1680 cm-1):烯烴 C=C 現於 1620--1680 cm-1(弱至中)。芳香 C=C 顯近 1450--1600 cm-1 之多峰。C=N(亞胺)現於 1620--1660 cm-1

**得:**診斷區諸吸收皆有辨,附官能團歸屬與信度(強、暫、無)。

**敗則:**若羰基區被蔽(如 KBr 中之水吸收、大氣 CO2),記其闕。若預期官能團之吸收闕,宜二製備法相證乃定其真闕。

第三步:析指紋區 (1500--400 cm-1)

察低頻區以得確證與結構細節:

  1. C-O 伸縮 (1000--1300 cm-1):醚、酯、醇、羧酸生強 C-O 伸縮吸收。酯於 1000--1100 cm-1 附近另顯特徵強帶,與羰基並現
  2. C-N 伸縮 (1000--1250 cm-1):胺與醯胺;與 C-O 疊令歸屬暫定,非他證不可定
  3. C-F、C-Cl、C-Br 伸縮
頻率 (cm-1)歸屬
1000--1400C-F(強)
600--800C-Cl
500--680C-Br
  1. 芳香取代型 (700--900 cm-1):面外 C-H 彎折示取代:
頻率 (cm-1)
730--770單取代(加 690--710)
735--770鄰二取代
750--810、860--900間二取代
790--840對二取代
  1. 指紋區整比:指紋區乃每化合所獨。若參考光譜可得,疊此區以證同

**得:**為第二步所辨官能團之確證歸屬,加結構細節(取代型、C-O/C-N 歸屬)。

**敗則:**指紋區本複雜而疊。若歸屬曖昧,標為暫,以診斷區與他光譜數據定終結。

第四步:評氫鍵與分子間效應

評樣品態與分子間相互如何影響光譜:

  1. 氫鍵展寬:比 O-H 與 N-H 帶之寬與位。游離 O-H 銳而近 3600 cm-1;氫鍵 O-H 寬而移至 3200--3400 cm-1。羧酸二聚顯極寬 O-H 於 2500--3300 cm-1
  2. 濃度與態效應:不同濃度之溶液光譜可別分子內(與濃度無關)與分子間(與濃度有關)氫鍵
  3. 費米共振:二疊帶或分裂成雙峰。典為 2720 與 2820 cm-1 附近之醛 C-H 對。識費米共振以免誤指餘峰為獨立官能團
  4. 固態效應:KBr 壓片與 Nujol 糊反映固態堆積,展寬諸帶,較溶液光譜可移頻 10--20 cm-1。ATR 光譜最近純液態

**得:**氫鍵態有述,製備法偽影有校,異常帶形有釋。

**敗則:**若氫鍵效應不可解(如 O-H 與 N-H 帶相疊),記其曖。D2O 交換實驗或變溫研究或可助,然需添數據。

第五步:匯官能團錄

結諸察為結構化之報:

  1. 列已證官能團:診斷區有強而明吸收者(如 1715 cm-1 之銳 C=O = 酮或醛)
  2. 列暫定歸屬:證據弱或疊之吸收,可由不只一官能團釋者
  3. 列闕之官能團:特徵強吸收明闕之團(如無寬 O-H 帶則無游離醇或羧酸)
  4. 記悖處:不合所提官能團集之吸收,或所闕之預期吸收
  5. 交叉驗:比 IR 所得官能團錄於他法(NMR、MS、UV-Vis)之資訊

**得:**官能團錄已全,依信度分類,每歸屬附具體頻率與強度為證。

**敗則:**若錄不全或相悖,辨何添實驗(ATR 對 KBr 比、變濃度、D2O 交換)可解曖。

  • 光譜品質已評(基線、解析度、偽影、y 軸格式)
  • 溶劑、製備法、大氣偽影已辨並除
  • 診斷區 (4000--1500 cm-1) 諸吸收已歸或標
  • 羰基區已析,可則附具體亞類歸屬
  • 指紋區察以得確證
  • 氫鍵效應已評,其對峰形/位之影響有記
  • 官能團錄依信度匯之
  • 闕之官能團明記(反證亦益)
  • 諸歸屬與他可得光譜數據交叉驗

  • 忽製備偽影:KBr 之水分(寬 3400 cm-1)、Nujol C-H (2850--2950 cm-1)、ATR 於低波數強度失真皆擬或蔽真樣品之吸收。恆考製備法
  • 過度解讀指紋區:1500 cm-1 下之區複雜而疊。以為確證,非為主辨。勿歸每峰
  • 混大氣 CO2 於樣品峰:2350 cm-1 附近之銳雙峰幾皆為大氣 CO2,非樣品吸收。背景扣除當除之,然當驗
  • 忽帶強與寬:同頻之強寬吸收與弱銳峰診斷值異。報強度(強/中/弱)與形(銳/寬)與頻並記
  • 單峰之歸屬:勿以一吸收獨辨一官能團。如羰基當由他帶支持(酯之 C-O、醯胺之 N-H、醛之 C-H)
  • 由弱吸收斷其闕:某官能團本生弱 IR 吸收(對稱 C=C、對稱炔之三鍵)。峰之闕不必意其團之闕

  • interpret-nmr-spectrum — 定詳連結與氫環境
  • interpret-mass-spectrum — 立分子式與碎裂型
  • interpret-uv-vis-spectrum — 述發色團,補 IR 官能團數據
  • interpret-raman-spectrum — 得 IR 不活躍模式之互補振動數據
  • plan-spectroscopic-analysis — 數據採集前擇並序光譜技術

GitHub 저장소

pjt222/agent-almanac
경로: i18n/wenyan/skills/interpret-ir-spectrum
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

연관 스킬

llamaguard

기타

LlamaGuard는 폭력 및 혐오 발언 등 6가지 안전 범주에서 LLM 입력과 출력을 조정하기 위한 Meta의 70-80억 파라미터 모델입니다. 94-95% 정확도를 제공하며 vLLM, Hugging Face 또는 Amazon SageMaker를 사용해 배포할 수 있습니다. 이 기술을 사용하여 AI 애플리케이션에 콘텐츠 필터링 및 안전 가드레일을 손쉽게 통합하세요.

스킬 보기

cost-optimization

기타

이 Claude Skill은 리소스 적정화, 태깅 전략, 지출 분석을 통해 개발자들이 클라우드 비용을 최적화할 수 있도록 지원합니다. AWS, Azure, GCP에서 클라우드 비용을 절감하고 비용 거버넌스를 구현하기 위한 프레임워크를 제공합니다. 인프라 비용을 분석하거나, 리소스를 적정화하거나, 예산 제약을 충족해야 할 때 사용하세요.

스킬 보기

quantizing-models-bitsandbytes

기타

이 스킬은 bitsandbytes를 사용하여 LLM을 8비트 또는 4비트 정밀도로 양자화하며, 최소한의 정확도 손실로 50-75%의 메모리 감소를 달성합니다. 제한된 GPU 메모리에서 더 큰 모델을 실행하거나 추론을 가속화하는 데 이상적이며, INT8, NF4, FP4와 같은 형식을 지원합니다. 이 스킬은 HuggingFace Transformers와 통합되어 QLoRA 학습 및 8비트 옵티마이저를 가능하게 합니다.

스킬 보기

dispatching-parallel-agents

기타

이 Claude Skill은 3개 이상의 독립적인 문제를 동시에 조사하고 해결하기 위해 다중 에이전트를 배치합니다. 공유 상태나 의존성 없이 해결 가능한 무관련 장애 시나리오에 맞게 설계되었습니다. 핵심 기능은 병렬 문제 해결로, 각 독립 문제 영역마다 하나의 에이전트를 할당하여 효율성을 극대화합니다.

스킬 보기