MCP HubMCP Hub
스킬 목록으로 돌아가기

interpret-uv-vis-spectrum

pjt222
업데이트됨 Yesterday
2 조회
17
2
17
GitHub에서 보기
기타general

정보

이 스킬은 자외-가시광선 스펙트럼 데이터를 분석하여 발색단과 전자 전이를 식별하며, 공액 시스템에 대한 우드워드-피저 규칙을 적용합니다. 농도와 경로 길이가 제공될 때는 비어-람베르트 법칙을 이용한 정량적 농도 분석이 가능합니다. 유기 화합물 특성 분석, 반응 동역학 모니터링, 또는 금속-리간드 착물 분석에 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-uv-vis-spectrum

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서

解 UV-Vis 光譜

析紫外—可見吸收光譜以辨發色團、分類電子躍遷、為共軛系統施 Woodward-Fieser 律、以 Beer-Lambert 律行定量析。

用時

  • 辨有機化合中之發色團與共軛之度
  • 證芳香環、共軛二烯、或烯酮之有
  • 行定量析(自吸光度定濃度)
  • 以吸光度隨時之變監反應動力
  • 以 d-d 與電荷轉移躍遷述金屬—配體絡合物
  • 評溶劑對電子躍遷之效(變色)

  • 必要:UV-Vis 光譜數據(nm 波長對吸光度或莫耳吸光率)
  • 必要:量測所用之溶劑
  • 可選:濃度與光徑(為 Beer-Lambert 之算)
  • 可選:λ-max 處之莫耳吸光率 (ε) 值
  • 可選:多溶劑中之光譜(為變色析)
  • 可選:他光譜法所得結構資訊

第一步:驗儀器參數與光譜品質

解吸收帶前確數據可靠:

  1. 波長範圍:確光譜涵相關區。標準 UV-Vis 涵 190--800 nm。溶劑立低波長截止:
溶劑UV 截止 (nm)
190UV 透極佳
己烷195非極性,溶劑效微
甲醇205質子,或致藍移
乙腈190通用 UV 溶劑佳
二氯甲烷230230 nm 下吸收
氯仿245245 nm 下吸收
丙酮330強吸收,UV 溶劑劣
  1. 吸光度範圍:可靠量測需吸光度於 0.1 至 1.0 間。下 0.1 則噪主;上 1.0 則雜光致非線響應。標此範圍外之 λ-max 值
  2. 基線與空白:驗已減溶劑空白。殘留溶劑吸收或比色皿偽影現為短波處升之基線
  3. 狹縫寬:窄狹縫解析佳而信噪低。若期精細結構(電子帶上振動級進),確狹縫寬合(常 1--2 nm)

**得:**儀器參數有記,溶劑截止已守,吸光度值於線性範圍內,基線已確淨。

**敗則:**若 λ-max 處吸光度逾 1.0,則樣品須稀並重量。若溶劑於所關區吸收,薦更透明溶劑重採。

第二步:辨 λ-max 與帶特徵

尋並述諸吸收帶:

  1. 尋 λ-max 值:辨每吸收極大 (λ-max) 並記其波長 (nm) 與吸光度(或 ε,若知)
  2. 量帶形:記每帶為寬而無特徵(溶液相電子躍遷典型)或顯振動精細結構(剛性發色團如多環芳烴典型)
  3. 記肩:吸收肩示疊躍遷。記其近似波長與強度
  4. 依莫耳吸光率分類
ε (L mol-1 cm-1)躍遷類
< 100禁阻 (n -> π*)酮 ~280 nm
100--10,000弱允許芳香 250--270 nm
10,000--100,000全允許 (π -> π*)共軛二烯 ~220 nm
> 100,000電荷轉移金屬絡合、染料

**得:**諸吸收極大與肩列表,附波長、吸光度/ε、定性帶形。

**敗則:**若光譜無顯極大(單調升),則化合於量測範圍或無發色團,或濃度過低。增濃或擴波長範圍。

第三步:分類電子躍遷

歸每吸收帶於具體電子躍遷類:

  1. σ -> σ 躍遷* (< 200 nm):僅於真空 UV 觀。涉飽和烴與 C-C/C-H 鍵。標準 UV-Vis 常不量
  2. n -> σ 躍遷* (150--250 nm):孤對至 σ 反鍵。於雜原子(O、N、S、鹵)觀。飽和胺近 190--200 nm 吸收;醇/醚近 175--185 nm
  3. π -> π 躍遷* (200--500 nm):鍵 π 至反鍵 π*。有機化合最強吸收。隨共軛擴強度與波長增
  4. n -> π 躍遷* (250--400 nm):孤對至 π 反鍵。形式禁阻(ε 低,常 10--100)。C=O(簡單酮 270--280 nm)、N=O、C=S 團之特徵
  5. 電荷轉移躍遷:電子於予者與受者間、或於金屬與配體間轉。常極強 (ε > 10,000) 而寬。金屬絡合與予—受有機分子中有之
  6. d-d 躍遷(於過渡金屬絡合):可見區弱寬帶,源於晶場或配體場分裂

**得:**每吸收帶歸躍遷類,附佐證(位、強、溶劑敏)。

**敗則:**若帶不能歸標準躍遷類,慮電荷轉移特徵或雜質吸收之可能。多疊躍遷或需反捲積。

第四步:為共軛系統施 Woodward-Fieser 律

預共軛二烯與烯酮之 λ-max 並比觀測:

  1. 共軛二烯(Woodward 律):
成分增量 (nm)
基值(異環二烯)214
基值(同環二烯)253
每添共軛 C=C+30
每環外 C=C+5
每 C=C 之烷取代基+5
-OAcyl 取代基+0
-OR 取代基+6
-SR 取代基+30
-Cl、-Br 取代基+5
-NR2 取代基+5
  1. α-β 不飽和羰基(Woodward-Fieser 律):
成分增量 (nm)
基值(α-β 不飽和酮、6 環或無環)215
基值(α-β 不飽和醛)208
每添共軛 C=C+30
每環外 C=C+5
同環二烯成分+39
α 取代基(烷)+10
β 取代基(烷)+12
γ 及更高取代基(烷)+18
-OH (α)+35
-OH (β)+30
-OAc (α、β、γ)+6
-OR (α)+35
-OR (β)+30
-Cl (α)+15
-Cl (β)+12
-Br (β)+25
-NR2 (β)+95
  1. 算預期 λ-max:合基值與諸適用增量
  2. 比觀測:合於 +/- 5 nm 內支持所提發色團。偏 > 10 nm 示結構歸屬訛或強溶劑/立體效

**得:**預期 λ-max 算並比觀測值,支或駁所提發色團結構。

**敗則:**若預期與觀測值顯著異,再察所假設之發色團結構。常訛:誤計取代基、忽環外雙鍵、或施錯基值(同環對異環)。

第五步:施 Beer-Lambert 律行定量析

以吸光度數據定濃度或述莫耳吸光率:

  1. Beer-Lambert 方程:A = ε * b * c,A = 吸光度(無量綱)、ε = 莫耳吸光率 (L mol-1 cm-1)、b = 光徑 (cm)、c = 濃度 (mol L-1)
  2. 定莫耳吸光率:若濃與光徑已知,自 λ-max 所量吸光度算 ε
  3. 定濃度:若 ε 已知(自文獻或校正曲線),自所量吸光度算濃度
  4. 察線性:Beer-Lambert 律唯於線性範圍(常 A = 0.1--1.0)有效。高吸光度者,雜光、分子相互、儀器限制致偏
  5. 評溶劑效:比極性與非極性溶劑之光譜:
    • 紅移(向紅):λ-max 移長波。π -> π* 於更極性溶劑紅移;n -> π* 於較不極性溶劑紅移
    • 藍移(向藍):λ-max 移短波。n -> π* 於更極性/質子溶劑藍移(氫鍵固孤對基態)
    • 增色/減色效:ε 之增或減而波長不變

**得:**定量結果算以合之有效數字,線性已驗,多溶劑數據可得則記溶劑效。

**敗則:**若 Beer-Lambert 線性敗,察樣品降解、高濃聚集、或螢光擾。稀樣品並重量以證。

  • 溶劑截止已守,吸光度於線性範圍 (0.1--1.0) 內
  • 諸 λ-max 值與肩列表,附波長、吸光度、ε
  • 每吸收帶歸電子躍遷類
  • 可則行 Woodward-Fieser 算並比觀測 λ-max
  • Beer-Lambert 律正用,線性已驗
  • 多溶劑數據可得則述溶劑效
  • 發色團歸屬合他光譜法所得分子結構

  • 量於 A = 1.0 上:高吸光度值因雜光效不可靠。λ-max 吸光度逾 1.0 恆稀並重量
  • 忽溶劑截止:試解溶劑截止波長下之吸收生偽影,非真樣品數據
  • 獨以強度別躍遷類:280 nm 附近之弱帶或為羰基 n -> π* 或芳香禁阻 π -> π*。脈絡與溶劑效乃別之所需
  • 誤用 Woodward-Fieser 律:此經驗律僅適於共軛二烯與 α-β 不飽和羰基。不可用於芳香系統、孤立發色團、或金屬絡合
  • 忽雜質吸收:少量強吸收雜質可主光譜。若 λ-max 不合預期,慮雜質之貢獻
  • 假一帶 = 一躍遷:寬 UV-Vis 帶常含多疊躍遷。精準歸屬或需帶反捲積

  • interpret-nmr-spectrum — 定分子連結以支發色團之辨
  • interpret-ir-spectrum — 辨貢發色團之官能團
  • interpret-mass-spectrum — 立分子式並以碎裂察共軛
  • interpret-raman-spectrum — 對稱發色團之互補振動數據
  • 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-uv-vis-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