MCP HubMCP Hub
Вернуться к навыкам

interpret-ir-spectrum

pjt222
Обновлено Yesterday
1 просмотров
17
2
17
Посмотреть на GitHub
Другоеgeneral

О программе

Этот навык интерпретирует инфракрасные (ИК) спектры поглощения для идентификации функциональных групп в соединениях. Он анализирует характерные пики в диагностической области (4000–1500 см⁻¹) и паттерны поглощения в области отпечатков пальцев (1500–400 см⁻¹). Разработчики могут использовать его для идентификации неизвестных соединений, проверки синтетических продуктов или обнаружения примесей.

Быстрая установка

Claude Code

Рекомендуется
Основной
npx skills add pjt222/agent-almanac -a claude-code
Команда плагинаАльтернативный
/plugin add https://github.com/pjt222/agent-almanac
Git клонированиеАльтернативный
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/interpret-ir-spectrum

Скопируйте и вставьте эту команду в Claude Code для установки этого навыка

Документация


name: interpret-ir-spectrum locale: zh-CN source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16 description: > 解读红外吸收光谱,通过识别诊断区(4000–1500 cm-1)的官能团特征峰和 指纹区(1500–400 cm-1)的吸收模式,确定化合物的官能团组成。用于 鉴定未知化合物、验证合成产物或检测杂质。 license: MIT allowed-tools: Read Grep Glob WebFetch WebSearch metadata: author: Philipp Thoss version: "1.0" domain: spectroscopy complexity: intermediate language: natural tags: spectroscopy, infrared, functional-groups, wavenumber, absorption

解读红外光谱

通过系统解析红外光谱,确定有机化合物的官能团组成,包括分析诊断区的特征吸收、识别氢键效应,以及利用指纹区与参考谱库进行匹配。

适用场景

  • 鉴定未知化合物的官能团
  • 验证合成产物的结构(确认目标官能团存在)
  • 区分含相似元素比例的异构体
  • 检测样品中的杂质(通过异常峰)
  • 对比已知化合物的参考谱,进行样品鉴定

输入

  • 必填:红外光谱(图像或数字数据,波数范围 4000–400 cm-1)
  • 必填:样品制备方式(KBr 压片、ATR、液膜、溶液)
  • 可选:分子式或不饱和度(用于聚焦解读)
  • 可选:NMR 或 MS 数据(用于综合鉴定)
  • 可选:可能的化合物类别(有机酸、胺、酯等)

步骤

第 1 步:建立官能团检查清单

在查看谱图之前,先梳理可能存在的官能团:

  1. 若已知分子式,计算不饱和度:DoU = (2C + 2 + N - H - X) / 2。DoU ≥ 4 表明可能含苯环;DoU = 1 表明含一个双键或环。
  2. 根据化合物类别(已知的合成目标、天然产物来源等)确定可能的官能团,例如:醇、羧酸、酯、胺、酰胺、烯烃、芳香环。
  3. 拟定一份"期望观察到的峰"清单,以便系统核查。
## 预期官能团
| 官能团 | 预期波数(cm-1) | 优先级 |
|-------|----------------|--------|
| [官能团] | [范围] | [高/中/低] |

预期结果: 明确列出所有待验证的官能团,避免在解谱时先入为主或遗漏。

失败处理: 若完全未知化合物,则从下一步系统扫描诊断区开始。

第 2 步:扫描诊断区(4000–1500 cm-1)

系统检查高波数区域的特征峰:

波数范围(cm-1)振动类型对应官能团
3600–3200O-H 伸缩(宽峰)醇、酚、羧酸
3500–3300N-H 伸缩(双峰)伯胺(两个峰);仲胺(一个峰)
3300≡C-H 伸缩(尖峰)末端炔烃
3100–3000=C-H 伸缩烯烃、芳香族
3000–2800C-H 伸缩烷烃(几乎普遍存在)
2720–2820C-H 伸缩(醛双峰)醛(费米共振特征)
2260–2100C≡N 或 C≡C 伸缩腈或炔
1870–1600C=O 伸缩见下表
1650–1500C=C 伸缩烯烃(1650)、芳香族(1600、1500)

羰基区(最重要的诊断区)详细参考:

化合物类型C=O 波数(cm-1)
酸酐(两个峰)1850、1760
1735
1725
1715
羧酸1710(宽峰)
酰胺1650–1680(酰胺 I 带)

预期结果: 所有明显的诊断区吸收峰均被识别并记录,羰基峰(若存在)准确归属到具体官能团类型。

失败处理: 若 C=O 区无峰,但 DoU ≥ 1,则考虑 C=C 双键或环。若羰基峰的位置与预期相差超过 20 cm-1,考虑氢键(降低波数)或共轭效应(降低约 20–40 cm-1)。

第 3 步:分析氢键效应

氢键会显著影响 O-H 和 N-H 峰的位置和形状:

  1. 游离 O-H(无氢键):尖峰,约 3600 cm-1(仅在稀溶液中可见)。
  2. 分子间氢键(固体或纯液体中醇类):宽峰,3200–3400 cm-1,相对游离 O-H 显著红移。
  3. 羧酸二聚体:极宽的 O-H 吸收,2500–3300 cm-1;C=O 峰位于约 1710 cm-1。
  4. 分子内氢键(如 β-二酮烯醇):在特定波数处出现锐峰或宽峰,位置固定,不随浓度变化。

区分方法:用稀溶液(约 0.01 M 在 CCl4 中)测试——若宽 O-H 峰消失或变窄,则为分子间氢键;若不随浓度变化,则为分子内氢键。

预期结果: O-H 峰的宽度和位置均能得到合理解释(游离、分子间氢键或二聚体)。

失败处理: 若 O-H 区出现宽峰,且排除了氢键作用,考虑水分污染(KBr 吸水或液膜沾水)。

第 4 步:利用指纹区进行鉴定(1500–400 cm-1)

指纹区反映整个分子的骨架振动,包含大量复杂吸收带:

  1. 关键指纹区峰(可直接鉴定的)
    • 1250–1050 cm-1 的强峰:C-O-C 伸缩(醚、酯)
    • 约 1200 cm-1:C-F 伸缩
    • 750–690 cm-1:苯环 C-H 面外弯曲(取代模式诊断)
  2. 苯环取代模式(通过 700–900 cm-1 面外弯曲 C-H 峰)
    • 单取代(一取代苯):750、700 cm-1
    • 邻二取代:750 cm-1
    • 间二取代:780、690 cm-1
    • 对二取代:830 cm-1
  3. 指纹区匹配:将样品谱与已知化合物(SDBS、NIST、KBr 库)的参考谱进行比对。相同化合物的指纹区应高度吻合;结构相关但不同的化合物会呈现差异。

预期结果: 主要指纹区吸收已识别,取代模式已确定,或已与参考谱成功比对。

失败处理: 若无法与已知谱匹配,则建立一份基于诊断峰的官能团清单,结合 NMR 进行综合鉴定,而非仅依赖 IR。

第 5 步:汇总官能团清单并得出结论

整合全谱分析,形成综合性结论:

## 官能团分析总结
| 观测峰(cm-1) | 振动类型 | 归属官能团 | 置信度 |
|--------------|---------|-----------|-------|
| [波数] | [伸缩/弯曲] | [官能团] | [高/中/低] |

## 结论
- 存在:[官能团列表]
- 不存在:[排除的官能团]
- 化合物类型建议:[烷烃/醇/酸/酯/胺/…]
- 建议进一步测试:[NMR、MS?]

预期结果: 以"存在"和"不存在"两组明确区分,完整地呈现官能团清单,并提出化合物类型推测。

失败处理: 若多种解释均符合,则提出所有可能性并列出各自的区分实验(例如:醇与酚的区分可通过碱溶液实验或 UV 吸收)。

验证清单

  • 诊断区(4000–1500 cm-1)的所有主要峰均已识别
  • 羰基峰(若存在)已归属到具体官能团类型(±20 cm-1)
  • O-H 和 N-H 区已分析并考虑了氢键效应
  • 指纹区用于确认或指纹匹配
  • 所有鉴定结论均已与制样方式(ATR、KBr 等)的典型峰位修正相比较
  • 官能团"存在"与"不存在"的结论均明确给出
  • 结论与已知分子式(若有)相符

常见问题

  • 忽略制样方式对峰位的影响:ATR 谱与透射谱中的峰位略有不同(约 5–10 cm-1),且 ATR 对低波数区域的灵敏度更高。切勿将其与透射参考谱直接比较,而不作修正。
  • 将宽 O-H 峰与 N-H 峰混淆:仲胺(N-H)在 3300 cm-1 附近只有一个峰,且通常比醇的 O-H 峰窄;伯胺(NH2)则显示两个峰(不对称和对称伸缩,相差约 100 cm-1)。
  • 忽视 C-H 醛的双峰:醛在 2720 和 2820 cm-1 附近有特征的 C-H 费米共振双峰,这是醛的重要诊断标志,常被初学者忽视。
  • 将酯与酸混淆:酯的 C=O 峰(约 1735 cm-1)高于羧酸(约 1710 cm-1),且酯无宽的 O-H 峰,而羧酸则有宽的 O-H 吸收(2500–3300 cm-1)。
  • 共轭降低 C=O 波数:α,β-不饱和羰基或芳香羰基的 C=O 吸收波数低于非共轭类型约 20–40 cm-1,可能被误认为酰胺。
  • 忽视大气 CO2 和水蒸气的影响:约 2350 cm-1 处的 CO2 峰和 1630 cm-1 处的 H2O 峰是仪器背景吸收,若扣除背景不理想可能残留这些峰,不应归属到化合物结构。

相关技能

  • interpret-nmr-spectrum — 利用 NMR 确认 IR 鉴定的官能团
  • interpret-mass-spectrum — 结合 MS 确认分子量和分子式
  • plan-spectroscopic-analysis — 规划最优谱学分析组合方案
  • interpret-raman-spectrum — Raman 与 IR 互补(互斥规则),可用于区分对称振动

GitHub репозиторий

pjt222/agent-almanac
Путь: i18n/zh-CN/skills/interpret-ir-spectrum
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Похожие навыки

llamaguard

Другое

LlamaGuard — 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.

Просмотреть навык

cost-optimization

Другое

Этот 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.

Просмотреть навык

quantizing-models-bitsandbytes

Другое

Этот 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.

Просмотреть навык

dispatching-parallel-agents

Другое

Этот 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.

Просмотреть навык