FTIR 红外光谱

保留透过率与波数，整段光谱和局部细节来自同一份数据。

合成示例 · 非实验数据

放大图样 ↗

给这张图选配色 →

① 源码与 CSV 解压到同一文件夹。

② 请 AI 运行 render_existing.py，得到 PNG、SVG 和 PDF；再核对并换成你的数据。

源码和 CSV 解压到同一文件夹即可重画。图件和提示词可分别下载。

你也可以用自己的话说。

查看请求

请读取绘图包里的 README 和 metadata.json，按说明在项目独立环境中运行包内已有源码，重画这份演示数据。不要重新生成或改写演示 CSV。收到我的文件后，先核对列名、单位、归一化基准与测试条件，再在副本中适配。逐圈容量、库伦效率与容量保持率用散点，不加连线；连续电压和光谱用无点实线，数据坐标四周保留框线。全电池保持率需明确参考圈、参考容量和相同工况，缺项先补齐；Li‖Cu 不强加保持率。不要继承演示条件、补造数据或静默覆盖旧图；回复只给结果位置和必要的下一步。

第一次用？先安装桌面软件 →

输入与使用边界

data.csv

输入格式、单位和条件见 README 与 metadata.json。示例是合成数据，不能用于论文实验结果。

Original additive Gaussian absorbances converted through T=100*10^(-A), 715–925 cm^-1; baseline 92%. Generic bands only; no chemical assignment, concentration or copied paper peak.

示例的模型与依据

按声明的教学模型生成。参数为自设，引用支持公式或测试方法，不是从论文复制的实测数字。

计算关系

A(x)=-log10(0.92)+(0.09+0.012*index)*G(x;825+2.5*index,9)+(0.048-0.005*index)*G(x;758,6)+0.014*G(x;880,12)
T_percent=100*10^(-A); A=-log10(T_percent/100)

使用边界

Generic bands only; no compound identification, instrument response or measured concentration.

模型来源

IUPAC: Beer–Lambert law
Absorbance and transmittance relation; peak parameters are original.
NIST e-Handbook: normal distribution
Gaussian mathematical bands only; no assignment or copied peak.

相关资源

来源与引用

原创合成示例，数据与本版源码包含在绘图包内；未使用论文数据或原图

VoltPeer. FTIR 红外光谱. Synthetic teaching delivery, version 1.6.0; data generator 1.6.

BIB ↓ RIS ↓

VoltPeer maintainers · v1.6.0 · MIT

文件、校验与检查状态

文件和格式已检查；模型测试范围见适配说明。格式检查不代表科学审核。

alignment.json ↓data.csv ↓figure.pdf ↓figure.png ↓figure.svg ↓metadata.json ↓render-report.json ↓BRF-demo-ftir.zip ↓ftir.bib ↓ftir.ris ↓

assets/showcase/ftir/alignment.json  e1be367eb6d59b1d01d2384c1eedb23af33cd4a8e0e3a2c03662daea72db1e99
assets/showcase/ftir/data.csv  45c6dbc8adefdd4e495fdf388dce50c8177f3a04a59f617b6e9db74427497c97
assets/showcase/ftir/figure.pdf  b2572182311be09741285a295cb42bc399b4c665b7c18bfad34b9ec39e2a6d7a
assets/showcase/ftir/figure.png  909453997dffcc71c0244a611d3e34b75c8a2e49813cef224e75c5b7cedb6b8b
assets/showcase/ftir/figure.svg  aadbdba509d524ac0513353f2a1dc666ea9fde661b5c8993bdd43714ac67efc2
assets/showcase/ftir/metadata.json  5d7e4962ff00446992dec6c0851652872da85a4996875496304a55f76f054b94
assets/showcase/ftir/render-report.json  2e68e8f5eb6646ea347a56e4b300fd721ecdc19b34f396554f4b78781c5189f6
assets/showcase/BRF-demo-ftir.zip  5deaa76474470d44114cc2726e054429d834888b6ca2d0fd3c4ca88f919398df
assets/citations/ftir.bib  1f38a39eee6d21112f63060b46772cff695691bd82dd53f871557fb3a6a41115
assets/citations/ftir.ris  8e47f8d14326df6811b7ed12ad57681c0644b49c6c7d493bf38ab948dcca2650

讨论或改进这份资源 → 返回资源库 →