정보
이 스킬은 시료 내 작용기를 식별하기 위해 적외선 스펙트럼을 체계적으로 분석합니다. 진단 영역(4000-1500 cm⁻¹)과 지문 영역(1500-400 cm⁻¹)을 모두 처리하며, 수소 결합 효과를 고려하고 신뢰도 수준이 표시된 작용기 목록을 작성합니다. 초기 화합물 스크리닝, 반응 모니터링 또는 NMR 및 질량 분석 데이터를 보완하는 용도로 사용하세요.
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-ir-spectrumClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
解讀紅外光譜
分析紅外吸收光譜以識別官能團、評氫鍵,並編樣品所含結構特徵之完整清單。
適用時機
- 首篩未知化合物中之官能團
- 確特定官能團之存或缺(如驗反應將醇轉為酮)
- 以特徵吸收之現或失監反應進度
- 別官能團內容異之相似化合物
- 以振動信息補 NMR 與質譜數據
輸入
- 必要:IR 光譜數據(cm-1 之吸收頻率與強度,為 %透射或吸光度圖)
- 必要:樣品製備法(KBr 壓片、ATR、Nujol 糊、薄膜、溶液池)
- 選擇性:分子式或預期化合物類
- 選擇性:自他光譜數據得之已知結構片段
- 選擇性:儀器參數(分辨率、掃描範圍、檢測器類)
步驟
步驟一:立光譜品質與格式
分析峰之前,驗光譜適於解讀:
- 查 y 軸格式:定光譜繪為 %透射(%T,峰向下)或吸光度(A,峰向上)。後續分析皆假定一致慣例
- 驗波數範圍:確光譜涵標準中紅外分析之至少 4000--400 cm-1。記任何截斷
- 評基線:好基線於無吸收域當相對平而近 100%T(或 0 吸光度)。傾斜或噪基線降可靠度
- 查分辨率:鄰峰距小於儀器分辨率者不能分辨。常 FTIR 分辨率為 4 cm-1
- 識製備偽影:KBr 壓片或顯吸濕之寬 O-H 帶(~3400 cm-1)。Nujol 糊遮 C-H 伸縮。ATR 光譜於低波數示強度失真。記任何限解讀之偽影
預期: 確光譜適分析,格式、範圍與偽影已記錄。
失敗時: 若光譜有嚴重基線問題、飽和(過濃樣品之平底峰),或遮關鍵域之製備偽影,記此限並標受影響光譜域為不可靠。
步驟二:掃診斷區(4000--1500 cm-1)
系統分析多數官能團產特徵吸收之高頻區:
- O-H 伸縮(3200--3600 cm-1):尋寬吸收。近 3600 cm-1 之尖峰示自由 O-H;3200--3400 cm-1 中心之寬帶示氫鍵之 O-H(醇、羧酸、水)
- N-H 伸縮(3300--3500 cm-1):一級胺示二峰(對稱與反對稱伸縮);二級胺示一峰。常較 O-H 帶尖
- C-H 伸縮(2800--3300 cm-1):
| Frequency (cm-1) | Assignment |
|---|---|
| 3300 | sp C-H (alkyne, sharp) |
| 3000--3100 | sp2 C-H (aromatic, vinyl) |
| 2850--3000 | sp3 C-H (alkyl, multiple peaks) |
| 2700--2850 | Aldehyde C-H (two peaks from Fermi resonance) |
- 三鍵區(2000--2300 cm-1):
| Frequency (cm-1) | Assignment | Notes |
|---|---|---|
| 2100--2260 | C triple-bond C | Weak or absent if symmetric |
| 2200--2260 | C triple-bond N | Medium to strong |
| ~2350 | CO2 | Atmospheric artifact, disregard |
- 羰基區(1650--1800 cm-1)——IR 中最具診斷之單區:
| Frequency (cm-1) | Assignment |
|---|---|
| 1800--1830, 1740--1770 | Acid anhydride (two C=O stretches) |
| 1770--1780 | Acid chloride |
| 1735--1750 | Ester |
| 1700--1725 | Carboxylic acid |
| 1705--1720 | Aldehyde |
| 1705--1720 | Ketone |
| 1680--1700 | Conjugated ketone / alpha-beta unsaturated |
| 1630--1690 | Amide (amide I band) |
- C=C 與 C=N 伸縮(1600--1680 cm-1):烯烴 C=C 於 1620--1680 cm-1(弱至中)。芳香 C=C 於近 1450--1600 cm-1 示多峰。C=N(亞胺)於 1620--1660 cm-1
預期: 診斷區所有吸收已識別,附官能團指派與信心級(強、暫定、缺)。
失敗時: 若羰基區被遮(如 KBr 中水吸收、大氣 CO2),記此缺口。若預期之官能團吸收缺,於確定真缺之前以第二製備法確認。
步驟三:分析指紋區(1500--400 cm-1)
察低頻區尋確認與結構細節:
- C-O 伸縮(1000--1300 cm-1):醚、酯、醇與羧酸產強 C-O 伸縮吸收。酯除羰基外於近 1000--1100 cm-1 示特徵強帶
- C-N 伸縮(1000--1250 cm-1):胺與醯胺;與 C-O 重疊使指派於無他證時暫定
- C-F、C-Cl、C-Br 伸縮:
| Frequency (cm-1) | Assignment |
|---|---|
| 1000--1400 | C-F (strong) |
| 600--800 | C-Cl |
| 500--680 | C-Br |
- 芳香取代模式(700--900 cm-1):面外 C-H 彎曲露取代:
| Frequency (cm-1) | Pattern |
|---|---|
| 730--770 | Mono-substituted (+ 690--710) |
| 735--770 | Ortho-disubstituted |
| 750--810, 860--900 | Meta-disubstituted |
| 790--840 | Para-disubstituted |
- 整體指紋比較:指紋區為每化合物獨有。若參考光譜可得,疊此區以確認同一
預期: 步驟二所識官能團之確認指派,加附結構細節(取代模式、C-O/C-N 指派)。
失敗時: 指紋區本質複而重疊。若指派模糊,標為暫定並依診斷區與他光譜數據作最終結論。
步驟四:評氫鍵與分子間效應
評樣品態與分子間互作如何影響光譜:
- 氫鍵寬化:比 O-H 與 N-H 帶之寬與位。自由 O-H 尖而近 3600 cm-1;氫鍵之 O-H 寬而移至 3200--3400 cm-1。羧酸二聚體自 2500--3300 cm-1 示甚寬 O-H
- 濃度與態效應:異濃之溶液光譜能別分子內(濃度無關)與分子間(濃度相關)氫鍵
- 費米共振:二重疊帶可作用而裂為雙峰。經典例為近 2720 與 2820 cm-1 之醛 C-H 對。識費米共振以避誤將多峰指派為別官能團
- 固態效應:KBr 壓片與 Nujol 糊反映固態堆積,寬化帶並相對溶液光譜移頻 10--20 cm-1。ATR 光譜最近純液態
預期: 氫鍵態已刻畫,製備法偽影已考量,任何異常帶形已釋。
失敗時: 若氫鍵效應不能解(如重疊之 O-H 與 N-H 帶),記此模糊。D2O 交換實驗或變溫研究可助,然此需附加數據。
步驟五:編官能團清單
合所有發現為結構化報告:
- 列已確認官能團:於診斷區有強、明確吸收者(如 1715 cm-1 之尖 C=O = 酮或醛)
- 列暫定指派:有較弱證據或重疊吸收、可由多於一官能團釋者
- 列缺官能團:其特徵強吸收明缺於光譜者(如無寬 O-H 帶謂無自由醇或羧酸)
- 記不符:任何不合擬議官能團集之吸收,或預期缺之吸收
- 交叉參考:若可得,比 IR 所得官能團清單於他技術(NMR、MS、UV-Vis)之信息
預期: 完整官能團清單按信心級分類,每指派以具體頻率與強度為據。
失敗時: 若清單不全或相悖,識別何附加實驗(ATR vs. KBr 比較、變濃、D2O 交換)可解模糊。
驗證
- 光譜品質已評(基線、分辨率、偽影、y 軸格式)
- 溶劑、製備法與大氣偽影已識別並排除
- 診斷區(4000--1500 cm-1)所有吸收已指派或標
- 羰基區已分析並於可能處作具體子類指派
- 指紋區已察以尋確認證據
- 氫鍵效應已評並記其對峰形/位之影響
- 官能團清單已編附信心級
- 缺官能團已明記之(負證據有信息)
- 指派已與他可得光譜數據交叉參考
常見陷阱
- 忽製備偽影:KBr 水(寬 3400 cm-1)、Nujol C-H(2850--2950 cm-1)與 ATR 低波數強度失真皆擬或遮真樣吸收。恒考製備法
- 過解指紋區:1500 cm-1 下之區複而重疊。用以確認,非主要識別。避每峰皆指派
- 混大氣 CO2 與樣峰:近 2350 cm-1 之尖雙峰幾皆為大氣 CO2,非樣吸收。背景減應除之,然當驗
- 忽帶強與寬:強寬吸收較同頻之弱尖峰有異診斷值。以強度(強/中/弱)與形(尖/寬)連同頻報之
- 單峰指派:絕勿以單吸收識別官能團。如羰基當有附加帶支之(酯之 C-O、醯胺之 N-H、醛之 C-H)
- 以弱吸收假缺:某些官能團本產弱 IR 吸收(對稱 C=C、對稱炔之三鍵)。峰缺不必謂團缺
相關技能
interpret-nmr-spectrum— 定詳連接性與氫環境interpret-mass-spectrum— 立分子式與裂片模式interpret-uv-vis-spectrum— 刻畫發色團以補 IR 官能團數據interpret-raman-spectrum— 獲 IR 非活模式之互補振動數據plan-spectroscopic-analysis— 於數據獲取前擇並排序光譜技術
GitHub 저장소
Frequently asked questions
What is the interpret-ir-spectrum skill?
interpret-ir-spectrum is a Claude Skill by pjt222. Skills package instructions and resources that Claude loads on demand, so Claude can perform interpret-ir-spectrum-related tasks without extra prompting.
How do I install interpret-ir-spectrum?
Use the install commands on this page: add interpret-ir-spectrum to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.
What category does interpret-ir-spectrum belong to?
interpret-ir-spectrum is in the Other category, tagged general.
Is interpret-ir-spectrum free to use?
Yes. interpret-ir-spectrum is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
연관 스킬
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.
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.
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.
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.
