MCP HubMCP Hub
SKILL·4F8C8D

interpret-uv-vis-spectrum

pjt222
업데이트됨 3 months ago
11 조회
31
3
31
GitHub에서 보기
기타general

정보

이 스킬은 UV-Vis 분광 데이터를 분석하여 발색단을 식별하고 전자 전이를 분류합니다. 공액 시스템에는 우드워드-피저 규칙을 적용하고, 비어-람베르트 법칙을 사용하여 정량적 농도 분석을 수행합니다. 유기 화합물의 흡수 스펙트럼 해석, 반응 모니터링, 금속 착물 특성 분석이 필요할 때 사용하세요.

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-uv-vis-spectrum

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서

解讀 UV-Vis 光譜

分析紫外-可見吸收光譜以識發色團、分類電子躍遷、對共軛系統用 Woodward-Fieser 規則,並用朗伯-比爾定律作定量分析。

適用時機

  • 識有機化合物之發色團與共軛程度
  • 確芳香環、共軛二烯,或烯酮之存
  • 行定量分析(自吸光度定濃度)
  • 以隨時吸光度變化監反應動力學
  • 經 d-d 與電荷轉移躍遷刻畫金屬-配體絡合物
  • 評溶劑對電子躍遷之效(溶致變色)

輸入

  • 必要:UV-Vis 光譜數據(nm 波長 vs. 吸光度或摩爾吸光率)
  • 必要:所用溶劑
  • 選擇性:濃度與光程(供朗伯-比爾計算)
  • 選擇性:lambda-max 之摩爾吸光率(epsilon)值
  • 選擇性:多溶劑之光譜(供溶致變色分析)
  • 選擇性:他光譜法之結構信息

步驟

步驟一:驗儀器參數與光譜品質

解讀吸收帶之前確數據可靠:

  1. 波長範圍:確光譜涵相關範圍。標準 UV-Vis 涵 190--800 nm。溶劑限低波截止:
SolventUV Cutoff (nm)Notes
Water190Excellent UV transparency
Hexane195Non-polar, minimal solvent effects
Methanol205Protic, may cause blue shifts
Acetonitrile190Good general-purpose UV solvent
Dichloromethane230Absorbs below 230 nm
Chloroform245Absorbs below 245 nm
Acetone330Absorbs strongly, poor UV solvent
  1. 吸光度範圍:可靠測量需吸光度於 0.1 至 1.0 之間。下於 0.1 噪主導;高於 1.0 雜光致非線性響應。標任何此外之 lambda-max 值
  2. 基線與空白:驗溶劑空白已減。殘溶劑吸收或比色皿偽影於短波呈升基線
  3. 狹縫寬:窄狹縫得更佳分辨而較低信噪。若期精細結構(電子帶上之振動級數),確狹縫寬適(常 1--2 nm)

預期: 儀器參數已記錄,溶劑截止已敬,吸光度值於線性範圍內,基線已確淨。

失敗時: 若 lambda-max 處吸光度超 1.0,樣品須稀釋再測。若溶劑於關心區吸收,建議於更透明溶劑中再獲取。

步驟二:識 lambda-max 與帶特徵

定並刻所有吸收帶:

  1. 定 lambda-max 值:識每吸收極大(lambda-max)並記其波長(nm)與吸光度(或摩爾吸光率 epsilon 若已知)
  2. 測帶形:記每帶是否寬而無特徵(溶液相電子躍遷之典型)或示振動精細結構(剛性發色團如多環芳香之典型)
  3. 記肩:吸收肩示重疊躍遷。記其約波長與強度
  4. 以摩爾吸光率分類
epsilon (L mol-1 cm-1)Transition TypeExample
< 100Forbidden (n -> pi*)Ketone ~280 nm
100--10,000Weakly allowedAromatic 250--270 nm
10,000--100,000Fully allowed (pi -> pi*)Conjugated diene ~220 nm
> 100,000Charge transferMetal complexes, dyes

預期: 所有吸收極大與肩已列表附波長、吸光度/epsilon 與定性帶形。

失敗時: 若光譜不示明確極大(單調升),化合物或於所測範圍內缺發色團,或濃度或過低。增濃度或擴波長範圍。

步驟三:分類電子躍遷

指派每吸收帶於特定電子躍遷類型:

  1. sigma -> sigma 躍遷*(< 200 nm):僅於真空 UV 觀。關於飽和烴與 C-C/C-H 鍵。標準 UV-Vis 常不測
  2. n -> sigma 躍遷*(150--250 nm):孤對至 sigma 反鍵。觀於雜原子(O、N、S、鹵素)。飽和胺吸收近 190--200 nm;醇/醚近 175--185 nm
  3. pi -> pi 躍遷*(200--500 nm):成鍵 pi 至反鍵 pi*。此為有機化合物之最強吸收。強度與波長隨共軛擴而增
  4. n -> pi 躍遷*(250--400 nm):孤對至 pi 反鍵。形式禁阻(低 epsilon,常 10--100)。C=O(簡單酮 270--280 nm)、N=O、C=S 之特徵
  5. 電荷轉移躍遷:供體與受體間,或金屬與配體間之電子轉移。常甚強(epsilon > 10,000)而寬。見於金屬絡合物與供-受有機分子
  6. d-d 躍遷(供過渡金屬絡合物):弱、寬之可見區帶自晶場或配體場裂生

預期: 每吸收帶已指派於躍遷類型附支據(位、強度、溶劑敏感性)。

失敗時: 若帶不能指派於標準躍遷類型,思電荷轉移性或雜質吸收之可能。多重疊躍遷或需解卷積。

步驟四:對共軛系統用 Woodward-Fieser 規則

預測共軛二烯與烯酮之 lambda-max 並比觀值:

  1. 共軛二烯(Woodward 規則):
ComponentIncrement (nm)
Base value (heteroannular diene)214
Base value (homoannular diene)253
Each additional conjugated C=C+30
Each exocyclic C=C+5
Each alkyl substituent on C=C+5
-OAcyl substituent+0
-OR substituent+6
-SR substituent+30
-Cl, -Br substituent+5
-NR2 substituent+5
  1. α-β 不飽和羰基(Woodward-Fieser 規則):
ComponentIncrement (nm)
Base value (alpha-beta unsat. ketone, 6-ring or acyclic)215
Base value (alpha-beta unsat. aldehyde)208
Each additional conjugated C=C+30
Each exocyclic C=C+5
Homoannular diene component+39
Alpha substituent (alkyl)+10
Beta substituent (alkyl)+12
Gamma and higher substituent (alkyl)+18
-OH (alpha)+35
-OH (beta)+30
-OAc (alpha, beta, gamma)+6
-OR (alpha)+35
-OR (beta)+30
-Cl (alpha)+15
-Cl (beta)+12
-Br (beta)+25
-NR2 (beta)+95
  1. 計預測 lambda-max:和基值與所有適用增量
  2. 比觀值:於 +/- 5 nm 內之合支擬議發色團。偏差 > 10 nm 示不正確之結構指派或強溶劑/立體效應

預期: 預測 lambda-max 已算並比觀值,支或否擬議發色團結構。

失敗時: 若預測與觀值顯異,再審擬發色團結構。常誤:誤計取代基、忽外環雙鍵,或用錯基值(同環 vs. 異環)。

步驟五:應用朗伯-比爾定律作定量分析

用吸光度數據定濃度或刻畫摩爾吸光率:

  1. 朗伯-比爾方程:A = epsilon * b * c,A = 吸光度(無量綱)、epsilon = 摩爾吸光率(L mol-1 cm-1)、b = 光程(cm)、c = 濃度(mol L-1)
  2. 定摩爾吸光率:若濃度與光程已知,自 lambda-max 之測吸光度算 epsilon
  3. 定濃度:若 epsilon 已知(自文獻或校準曲線),自測吸光度算濃度
  4. 查線性:朗伯-比爾定律僅於線性範圍有效(常 A = 0.1--1.0)。高吸光度因雜光、分子互作與儀器限而偏差
  5. 評溶劑效應:比極性 vs. 非極性溶劑之光譜:
    • 紅移(長波移):lambda-max 移至長波。pi -> pi* 躍遷於更極性溶劑紅移;n -> pi* 躍遷於較少極性溶劑紅移
    • 藍移(短波移):lambda-max 移至短波。n -> pi* 躍遷於更極性/質子溶劑藍移(氫鍵穩孤對基態)
    • 增色/減色效應:epsilon 增或減而無波長變

預期: 定量結果已以適有效數字計算,線性已驗,若多溶劑光譜可得則溶劑效應已記錄。

失敗時: 若朗伯-比爾線性敗,查樣降解、高濃聚集,或熒光干擾。稀樣再測以確。

驗證

  • 溶劑截止已敬,吸光度於線性範圍(0.1--1.0)
  • 所有 lambda-max 值與肩已列表附波長、吸光度與 epsilon
  • 每吸收帶已指派於電子躍遷類型
  • 於適用處已行 Woodward-Fieser 計算並比觀 lambda-max
  • 朗伯-比爾定律已正確應用並驗線性
  • 若多溶劑數據可得,溶劑效應已刻畫
  • 發色團指派與他光譜法所得分子結構一致

常見陷阱

  • 測於 A = 1.0 以上:高吸光度值因雜光效應不可靠。若 lambda-max 吸光度超 1.0,恒稀再測
  • 忽溶劑截止:試解溶劑截止波長下之吸收產偽影,非真樣數據
  • 僅以強度別躍遷類型:近 280 nm 之弱帶可為羰基之 n -> pi* 或芳香之禁阻 pi -> pi*。需上下文與溶劑效應以別
  • 誤用 Woodward-Fieser 規則:此經驗規則僅適共軛二烯與 α-β 不飽和羰基。不能用於芳香系、孤立發色團,或金屬絡合物
  • 忽雜質吸收:即使少量強吸雜質可主光譜。若 lambda-max 不合期望,思雜質貢獻
  • 假一帶 = 一躍遷:寬 UV-Vis 帶常含多重疊躍遷。精確指派或需帶解卷積

相關技能

  • interpret-nmr-spectrum — 定分子連接性以支發色團識別
  • interpret-ir-spectrum — 識貢於發色團之官能團
  • interpret-mass-spectrum — 立分子式並經裂片檢共軛
  • interpret-raman-spectrum — 對稱發色團之互補振動數據
  • plan-spectroscopic-analysis — 於數據獲取前擇並排序光譜技術

GitHub 저장소

pjt222/agent-almanac
경로: i18n/wenyan-lite/skills/interpret-uv-vis-spectrum
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams
FAQ

자주 묻는 질문

interpret-uv-vis-spectrum Skill이란 무엇인가요?

interpret-uv-vis-spectrum은(는) pjt222이(가) 만든 Claude Skill입니다. Skill은 Claude가 필요할 때 불러오는 지침과 리소스를 묶어 추가 프롬프트 없이 interpret-uv-vis-spectrum 관련 작업을 수행할 수 있게 합니다.

interpret-uv-vis-spectrum은(는) 어떻게 설치하나요?

이 페이지의 설치 명령을 사용하세요. interpret-uv-vis-spectrum을(를) Claude Code 플러그인으로 추가하거나 저장소를 skills 디렉터리에 복제한 다음 Claude를 다시 시작해 Skill을 불러옵니다.

interpret-uv-vis-spectrum은(는) 어떤 카테고리에 속하나요?

interpret-uv-vis-spectrum은(는) 기타 카테고리에 속합니다.

interpret-uv-vis-spectrum은(는) 무료로 사용할 수 있나요?

네. interpret-uv-vis-spectrum은(는) AIMCP에 등록되어 있으며 무료로 설치할 수 있습니다.

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
sports-betting-analyzer
기타

이 Claude Skill은 스프레드, 오버/언더, 프로프 베트를 포함한 스포츠 베팅 시장을 분석합니다. 역사적 추이와 상황별 통계를 검토하여 가치 베트를 발견하고, 교육적 목적으로 실행 가능한 권장 사항이 담긴 구조화된 마크다운 결과를 제공합니다. 개발자는 이 기능을 스포츠 베팅 분석 도구에 활용할 수 있으며, 단순히 엔터테인먼트/교육 목적으로만 설계되었음을 유의해야 합니다.

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