Die Geschichte in einem einzigen Spektrum.
Ein Raman-Scan von Graphenoxid trägt einen kompletten Materialbericht in sich — wenn man ihn zu lesen weiß. Scrollen Sie: Das Spektrum an Ihrer Seite durchläuft Nitidas gesamte Pipeline, vom rohen Rauschen bis zur klassifizierten Karte.
Direkt vom Gerät.
Graphenoxid, unberührt: Die echten Peaks liegen begraben unter einem schräg ansteigenden Fluoreszenz-Untergrund und scharfen Cosmic-Ray-Spikes. Regeln Sie das Rauschen, um zu spüren, wo ein Spektroskopiker wirklich anfängt — Signal-Rausch-Verhältnis kaum 14 dB.
Die kosmische Strahlung herauszupfen.
Kosmische Strahlung trifft den Detektor zufällig und hinterlässt Ein-Pixel-Spikes, höher als das Signal selbst. Ein Medianfilter findet jeden einzelnen und hebt ihn heraus — sehen Sie zu, wie sie davonfliegen — ohne die Banden darunter anzutasten.
Das Signal vom Untergrund heben.
Der Fluoreszenz-Untergrund wird modelliert und abgezogen, und die Kurve legt sich auf eine flache Achse. Wechseln Sie die Methode und beobachten Sie den Unterschied: arPLS hinterlässt die sauberste Linie.
Zwei Banden, zwei Geschichten.
Die geordnete G-Bande und die defektinduzierte D-Bande werden jeweils mit einer Pseudo-Voigt gefittet. Der Streifen darunter ist das Residuum — das, was das Modell verfehlt hat. Hier ist es fast flach: R² 0,9987.
→ Tippen Sie auf die Chips G und D, um die FWHM jeder Bande zu lesen — die Breite, die die Kristallqualität codiert.
D durch G teilen.
Das Verhältnis der beiden Bandenintensitäten zeigt, wie ungeordnet der Kohlenstoff ist. Ziehen Sie den Reduktions-Regler: Während das Oxid reduziert wird, schrumpfen die geordneten Domänen, und ID/IG klettert vom Graphenoxid Richtung reduziertem GO.
Ein Rezept, jedes Spektrum.
Eine Raman-Karte ist Tausende von Spektren auf einem Raster. Das Rezept, das Sie gerade gebaut haben — Despike, Basislinie, Fit, Verhältnis — läuft automatisch auf jedem Punkt: 2 400 Spektren, jedes Pixel gefärbt nach seinem ID/IG. Chemie wird zum Bild. Sie wählen, wonach gefärbt wird.
Die Daten ihre eigenen Achsen finden lassen.
Die Hauptkomponentenanalyse komprimiert jedes Spektrum auf ein paar Zahlen, die den Großteil der Variation einfangen. Gegeneinander aufgetragen, driften die Pixel in natürliche Familien auseinander — ganz ohne Labels.
Nach Ähnlichkeit gruppieren.
k-means sammelt die Pixel in Cluster und malt sie zurück auf die Karte: Deutliche Phasen — oxidierte Flocke, reduzierter Bereich, Substrat — treten als zusammenhängende Regionen hervor. Wählen Sie, nach wie vielen Clustern gesucht wird.
Jeder Region einen Namen geben.
Trainieren Sie auf einer Handvoll gelabelter Punkte, und Nitida klassifiziert den Rest: Jedes Pixel wird Graphenoxid, reduziertem GO oder Substrat zugeordnet — mit 97,8% Übereinstimmung mit der Referenz. Eine vollständige Phasenkarte, aus einem einzigen Rezept.
Sechs Monate später, dieselbe Abbildung.
Jeder Schritt, den Sie gerade gesehen haben, ist in einem 20-KB-JSON festgehalten. Führen Sie es auf einem anderen Rechner erneut aus — von einem anderen Studenten — und die Abbildung ist identisch. Spielen Sie unten die ganze Pipeline noch einmal ab — und bringen Sie sie dann zu Ihren eigenen Daten.
macOS · Windows · Linux — offline, Ihre Daten bleiben bei Ihnen.