interpret-uv-vis-spectrum
О программе
Этот навык анализирует данные УФ-видимой спектроскопии для идентификации хромофоров и классификации электронных переходов. Он применяет правила Вудворда-Физера для сопряжённых систем и выполняет количественный анализ концентраций с использованием закона Бугера-Ламберта-Бера. Используйте его для интерпретации спектров поглощения органических соединений, мониторинга реакций или характеризации металлокомплексов.
Быстрая установка
Claude Code
Рекомендуетсяnpx 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-spectrumСкопируйте и вставьте эту команду в Claude Code для установки этого навыка
Документация
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:
- 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:
| Solvent | UV Cutoff (nm) | Notes |
|---|---|---|
| Water | 190 | Excellent UV transparency |
| Hexane | 195 | Non-polar, minimal solvent effects |
| Methanol | 205 | Protic, may cause blue shifts |
| Acetonitrile | 190 | Good general-purpose UV solvent |
| Dichloromethane | 230 | Absorbs below 230 nm |
| Chloroform | 245 | Absorbs below 245 nm |
| Acetone | 330 | Absorbs strongly, poor UV solvent |
- 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
- 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
- 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:
- 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)
- 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)
- 記肩:吸收肩示重疊躍遷。記其約波長與強度
- 以摩爾吸光率分類:
| epsilon (L mol-1 cm-1) | Transition Type | Example |
|---|---|---|
| < 100 | Forbidden (n -> pi*) | Ketone ~280 nm |
| 100--10,000 | Weakly allowed | Aromatic 250--270 nm |
| 10,000--100,000 | Fully allowed (pi -> pi*) | Conjugated diene ~220 nm |
| > 100,000 | Charge transfer | Metal 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:
- 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
- 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
- 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
- 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
- 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
- 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:
- 共軛二烯(Woodward 規則):
| Component | Increment (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 |
- α-β 不飽和羰基(Woodward-Fieser 規則):
| Component | Increment (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 |
- 計預測 lambda-max:和基值與所有適用增量
- 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:
- 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)
- 定摩爾吸光率:若濃度與光程已知,自 lambda-max 之測吸光度算 epsilon
- 定濃度:若 epsilon 已知(自文獻或校準曲線),自測吸光度算濃度
- 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
- 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 репозиторий
Похожие навыки
llamaguard
ДругоеLlamaGuard — это модель от Meta с 7–8 миллиардами параметров для модерации входных и выходных данных больших языковых моделей по шести категориям безопасности, таким как насилие и разжигание ненависти. Она обеспечивает точность 94–95% и может быть развернута с помощью vLLM, Hugging Face или Amazon SageMaker. Используйте этот навык, чтобы легко интегрировать фильтрацию контента и защитные механизмы в ваши ИИ-приложения.
cost-optimization
ДругоеЭтот навык Claude помогает разработчикам оптимизировать облачные расходы за счет правильного подбора ресурсов, стратегий тегирования и анализа затрат. Он предоставляет framework для сокращения облачных расходов и внедрения управления затратами в AWS, Azure и GCP. Используйте его, когда вам нужно проанализировать расходы на инфраструктуру, оптимизировать ресурсы или уложиться в бюджетные ограничения.
quantizing-models-bitsandbytes
ДругоеЭтот навык выполняет квантизацию LLM до 8-битной или 4-битной точности с использованием библиотеки bitsandbytes, обеспечивая сокращение использования памяти на 50-75% при минимальной потере точности. Он идеально подходит для запуска больших моделей при ограниченной памяти GPU или для ускорения вывода, поддерживая форматы INT8, NF4 и FP4. Навык интегрируется с HuggingFace Transformers и позволяет использовать обучение QLoRA и 8-битные оптимизаторы.
dispatching-parallel-agents
ДругоеЭтот навык Claude распределяет нескольких агентов для исследования и устранения трёх и более независимых проблем параллельно. Он предназначен для сценариев с несвязанными сбоями, которые можно устранить без общего состояния или зависимостей. Ключевая возможность — параллельное решение проблем, где за каждую независимую предметную область назначается отдельный агент для максимальной эффективности.
