返回技能列表

interpret-raman-spectrum

pjt222
更新于 2 days ago
7 次查看
17
2
17
在 GitHub 上查看
其他general

关于

This skill interprets Raman spectra to identify vibrational modes and characterize carbonaceous materials like graphene by analyzing D and G bands. It leverages the mutual exclusion rule with IR spectroscopy to determine molecular symmetry and enables strain analysis through Raman shifts. Use it for comprehensive vibrational characterization, especially in aqueous samples or with surface-enhanced Raman spectroscopy (SERS) where IR is impractical.

快速安装

Claude Code

推荐
主要方式
npx skills add pjt222/agent-almanac -a claude-code
插件命令备选方式
/plugin add https://github.com/pjt222/agent-almanac
Git 克隆备选方式
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/interpret-raman-spectrum

在 Claude Code 中复制并粘贴此命令以安装该技能

技能文档


name: interpret-raman-spectrum locale: es source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16 description: > Interpretar espectros Raman para identificar modos vibracionales, explotar la regla de exclusión mutua con IR para determinar la simetría molecular, asignar las bandas D y G de materiales carbonosos, y combinar datos Raman e IR para una caracterización vibracional completa. Usar cuando se caracterice la estructura de materiales carbonosos (grafeno, nanotubos, diamante), se determinen tensiones en materiales mediante desplazamientos Raman, se analicen muestras en entornos donde el IR es poco práctico (muestras acuosas, materiales minerales), o se aplique espectroscopía Raman potenciada por superficie (SERS). license: MIT allowed-tools: Read Grep Glob WebFetch WebSearch metadata: author: Philipp Thoss version: "1.0" domain: spectroscopy complexity: intermediate language: natural tags: spectroscopy, raman, vibrational, carbon-materials, SERS, symmetry

Interpretar Espectro Raman

Asignar bandas en espectros Raman a modos vibracionales específicos usando reglas de selección, complementar los datos de IR para obtener una caracterización vibracional completa, e interpretar bandas características de materiales carbonosos y otros sistemas con alta simetría.

Cuándo Usar

  • Caracterizar la estructura de materiales carbonosos (grafeno, grafito, nanotubos de carbono, diamante)
  • Analizar muestras en entornos donde el IR es poco práctico (muestras acuosas, a alta presión, in situ)
  • Explotar la regla de exclusión mutua para determinar la simetría molecular
  • Detectar tensiones mecánicas en materiales mediante desplazamientos de frecuencia Raman
  • Aplicar espectroscopía Raman potenciada por superficie (SERS) para análisis de trazas

Entradas

  • Requerido: Espectro Raman (desplazamiento Raman en cm⁻¹ frente a intensidad)
  • Requerido: Longitud de onda del láser excitador y potencia utilizada
  • Opcional: Espectro IR del mismo compuesto para análisis complementario
  • Opcional: Información sobre la simetría molecular (grupo puntual)
  • Opcional: Espectros de referencia de materiales de la misma clase para comparación

Procedimiento

Paso 1: Verificar la Calidad del Espectro y Corregir la Fluorescencia

Antes de asignar bandas, asegurar la integridad del espectro:

  1. Verificar la ausencia de fluorescencia: La fluorescencia eleva la línea base de manera amplia y puede enmascarar las bandas Raman. Si la fluorescencia es severa, intentar: cambiar la longitud de onda del láser (excitación en el NIR reduce fluorescencia), usar reducción computacional de fluorescencia, o fotobleaquear la muestra con exposición previa al láser.
  2. Comprobar la calibración: La posición de las bandas Raman debe verificarse con un estándar (Si a 520 cm⁻¹, naftaleno, ciclohexano). Una desviación > 2 cm⁻¹ indica necesidad de recalibración.
  3. Evaluar la relación señal/ruido: La relación S/R mínima debe ser > 10:1 para las bandas más intensas. Aumentar el tiempo de acumulación o la potencia del láser (con cuidado de no dañar la muestra fotosensible).
  4. Identificar bandas del soporte o sustrato: El soporte de muestra (vidrio, cuarzo, Si) puede contribuir con señales propias. Registrar el espectro del soporte solo para identificar estas contribuciones.

Esperado: Espectro con línea base corregida, calibrado y con señal/ruido adecuada para la asignación.

En caso de fallo: Si la fluorescencia es irremediable con el láser disponible, cambiar a espectroscopía Raman dispersiva de NIR (785 nm o 1064 nm) o considerar el análisis por IR como alternativa.

Paso 2: Aplicar las Reglas de Selección Raman

Determinar qué modos vibracionales son activos en Raman:

  1. Regla de selección Raman: Un modo vibracional es activo en Raman si cambia la polarizabilidad de la molécula durante el movimiento nuclear. Formalmente, al menos un componente del tensor de polarizabilidad debe ser no nulo.
  2. Regla de exclusión mutua: En moléculas con centro de inversión (grupo puntual que contiene la operación de inversión i), los modos activos en IR son inactivos en Raman, y viceversa. Esta regla es diagnóstica de simetría: si un modo aparece en ambos espectros, la molécula no tiene centro de inversión.
  3. Modos especialmente activos en Raman:
    • Modos de estiramiento simétrico (mayor cambio de polarizabilidad)
    • Modos de baja frecuencia de grupos pesados (estiramiento C–S, C–halógeno)
    • Modos de respiración de anillos (aromáticos, ciclohexano)
  4. Modos generalmente débiles en Raman (pero activos en IR):
    • Estiramiento asimétrico de O–H y N–H
    • Modos de deformación de H

Esperado: Lista de modos observados clasificados como activos/inactivos en Raman y en IR, con implicaciones para la simetría molecular.

En caso de fallo: Si no se puede determinar si los modos son activos en IR (por falta de datos IR), el análisis de simetría será incompleto. Registrar el espectro IR del mismo compuesto para la comparación completa.

Paso 3: Asignar Bandas Características

Identificar las bandas Raman con sus asignaciones vibracionales:

  1. Bandas de materiales carbonosos (región 1000–2000 cm⁻¹):
    • Banda G (~1580 cm⁻¹): modo E2g del grafito; estiramiento C=C de carbono sp2; presente en todos los materiales carbonosos sp2
    • Banda D (~1350 cm⁻¹): modo A1g; activado por defectos o bordes; indica desorden estructural; intensidad relativa D/G mide el grado de desorden
    • Banda 2D (~2700 cm⁻¹, también llamada G'): sobretono de la banda D; muy sensible al número de capas en grafeno; forma y posición varían con el número de capas
  2. Compuestos orgánicos generales:
    • 400–800 cm⁻¹: modos de esqueleto (torsiones, deformaciones C–C–C)
    • 800–1500 cm⁻¹: modos mezclados (deformaciones C–H, estiramientos C–C)
    • 1500–1700 cm⁻¹: estiramientos C=C y C=O (carbonilo puede ser débil en Raman si está flanqueado por grupos electrón-dadores)
    • 2800–3100 cm⁻¹: estiramientos C–H
  3. Minerales y materiales inorgánicos: Identificar por comparación con bases de datos de referencia (RRUFF, SLOOC).

Esperado: Tabla de asignación con desplazamiento Raman, intensidad relativa, ancho de banda (FWHM) y modo vibracional asignado.

En caso de fallo: Para materiales complejos o sin referencia, usar software de análisis de espectros (Crystal Sleuth, ProcessMaker) y comparar con espectros de la base de datos RRUFF.

Paso 4: Analizar la Información Cuantitativa

Extraer parámetros cuantitativos de las posiciones y anchuras de banda:

  1. Relación D/G para materiales carbonosos: Cuantifica el grado de desorden. En carbono amorfo, D/G ~ 1; en grafito cristalino, D/G < 0.1. La evolución de D/G con el tratamiento térmico refleja la grafitización.
  2. Posición y anchura de la banda 2D para grafeno:
    • Monocapa de grafeno: 2D única y estrecha a ~2680 cm⁻¹, I(2D)/I(G) > 2
    • Bicapa: 2D se desdobla en cuatro componentes
    • Multicapa (> 5 capas): espectro similar al grafito masivo
  3. Desplazamiento de frecuencia por tensión: En silicio, grafeno y otros materiales, las tensiones mecánicas desplazan las frecuencias Raman. La sensibilidad es aproximadamente –2 cm⁻¹/GPa para grafeno monocapa.
  4. Temperatura de la muestra por la relación Stokes/anti-Stokes: La intensidad relativa de las bandas Stokes e anti-Stokes permite calcular la temperatura local de la muestra: I(anti-Stokes)/I(Stokes) = exp(–ħω/kBT).

Esperado: Parámetros cuantitativos extraídos con sus valores y la información estructural o de estado que representan.

En caso de fallo: Si los picos están solapados y no se puede extraer la posición exacta, ajustar el espectro con funciones Voigt o Lorentz usando software de ajuste (OriginPro, PeakFit) antes de calcular los parámetros.

Paso 5: Combinar con Datos IR para Análisis Completo

Integrar los datos Raman e IR para una caracterización vibracional completa:

  1. Construir la tabla de correlación vibracional: Listar todos los modos vibracionales predichos por el análisis de simetría y anotar si son activos en Raman, IR o ambos.
  2. Aplicar la regla de exclusión mutua: Verificar que los modos que aparecen en Raman e IR no comparten bandas si la molécula tiene centro de inversión. Inconsistencias indican error de asignación o baja simetría real.
  3. Completar la asignación: Las bandas visibles solo en IR o solo en Raman son complementarias; combinadas, dan cobertura espectral completa de los modos vibracionales.
  4. Documentar en formato estándar: ν̃ (cm⁻¹), intensidad relativa (mv, d, m, f, mf), actividad (Raman/IR), asignación simbólica (ν, δ, γ para estiramiento, deformación en plano y fuera del plano).

Esperado: Tabla de asignación vibracional completa que cubre todos los modos activos en Raman e IR, con la actividad de cada modo justificada por la simetría molecular.

En caso de fallo: Si la asignación vibracional completa no es posible sin cálculos DFT, reportar la asignación empírica de las bandas más características y anotar los modos no asignados para análisis computacional posterior.

Validación

  • El espectro tiene línea base corregida y está calibrado con un estándar
  • Las reglas de selección Raman están aplicadas correctamente y el análisis de simetría es consistente
  • Las bandas D, G y 2D en materiales carbonosos están asignadas con los parámetros cuantitativos extraídos
  • La regla de exclusión mutua se verificó (para moléculas con centro de inversión)
  • La asignación es consistente con datos IR disponibles
  • El informe incluye longitud de onda del láser, potencia y tiempo de acumulación

Errores Comunes

  • No corregir la fluorescencia: Un fondo de fluorescencia elevado puede hacer que picos de baja intensidad parezcan absentes o desplazados. Siempre corregir la línea base antes de medir posiciones de pico.
  • Confundir bandas del sustrato con del compuesto: El silicio (520 cm⁻¹) y el cuarzo (465 cm⁻¹) son contribuyentes comunes. Registrar el espectro del sustrato vacío.
  • Dañar la muestra por exceso de potencia del láser: Muestras orgánicas, nanomateriales y muestras coloreadas pueden fotodegradarse o calentarse con potencias excesivas. Comenzar con la potencia mínima.
  • Interpretar la banda D como defecto sin cuantificar: La intensidad de la banda D sola no cuantifica el desorden; usar la relación D/G y comparar con materiales de referencia conocidos.
  • Aplicar la regla de exclusión mutua a moléculas sin centro de inversión: La regla solo aplica a moléculas con simetría de inversión (grupos puntuales Ci, Cnh, Dnh, Oh, etc.); en moléculas de baja simetría, los modos pueden ser activos en ambas técnicas simultáneamente.

Habilidades Relacionadas

  • interpret-ir-spectrum — complementar el análisis vibracional Raman con el espectro IR para cobertura completa
  • plan-spectroscopic-analysis — determinar cuándo el Raman es preferible al IR y cómo combinar ambas técnicas
  • interpret-nmr-spectrum — confirmar la estructura molecular propuesta mediante la espectroscopía de RMN

GitHub 仓库

pjt222/agent-almanac
路径: i18n/es/skills/interpret-raman-spectrum
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

相关推荐技能

llamaguard

其他

LlamaGuard是Meta推出的7-8B参数内容审核模型,专门用于过滤LLM的输入和输出内容。它能检测六大安全风险类别(暴力/仇恨、性内容、武器、违禁品、自残、犯罪计划),准确率达94-95%。开发者可通过HuggingFace、vLLM或Sagemaker快速部署,并能与NeMo Guardrails集成实现自动化安全防护。

查看技能

cost-optimization

其他

这个Claude Skill帮助开发者优化云成本,通过资源调整、标记策略和预留实例来降低AWS、Azure和GCP的开支。它适用于减少云支出、分析基础设施成本或实施成本治理策略的场景。关键功能包括提供成本可视化、资源规模调整指导和定价模型优化建议。

查看技能

quantizing-models-bitsandbytes

其他

这个Skill使用bitsandbytes库量化大语言模型,能在GPU内存有限时通过8位或4位量化减少50-75%内存占用,同时保持精度损失最小。它支持INT8、NF4、FP4等多种量化格式,可与HuggingFace Transformers无缝集成,适用于需要部署更大模型或加速推理的场景。还提供QLoRA训练和8位优化器支持,让开发者能轻松实现高效模型压缩。

查看技能

dispatching-parallel-agents

其他

该Skill用于并行处理3个以上无依赖关系的独立故障,可为每个问题域分派专属Claude代理同时执行调查修复。它通过并发处理多个独立问题显著提升故障排查效率,特别适用于测试文件、子系统等无共享状态的场景。

查看技能