interpret-uv-vis-spectrum
정보
이 스킬은 UV-Vis 흡수 스펙트럼을 해석하여 발색단을 식별하고, 전자 전이 유형을 결정하며, Woodward-Fieser 규칙을 적용해 파장 예측을 수행합니다. 또한 농도 계산을 위해 Beer-Lambert 법칙을 사용합니다. 개발자는 이를 화합물 식별, 순도 확인 및 분광학 응용에서의 정량 분석에 활용할 수 있습니다.
빠른 설치
Claude Code
추천npx 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-spectrumClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
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:
- λmax(最大吸收波长,nm):吸光度最高处对应的波长。
- 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)。 - 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 | 高 | 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=C | 165 | 3.8 | π→π* |
| 孤立 C=O | 280–300 | 1.5 | n→π* |
| 共轭二烯 | 220–260 | 4.0 | π→π* |
| α,β-不饱和羰基 | 220(高 ε)+ 310–330(低 ε) | π→π* + n→π* | |
| 苯 | 254(精细结构) | 2.0 | B 带 |
| 苯(取代后红移) | 270–290 | — | E2 带 |
| 多环芳烃 | 300–400+ | 3–5 | π→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
- 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)
- 测定未知样品浓度:
- 在 λmax 处测定样品吸光度
- 代入 c = A / (ε × l)
- 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
GitHub 저장소
연관 스킬
llamaguard
기타LlamaGuard는 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.
cost-optimization
기타이 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.
quantizing-models-bitsandbytes
기타이 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.
dispatching-parallel-agents
기타이 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.
