La historia en un solo espectro.
Un barrido Raman de óxido de grafeno lleva dentro un informe completo del material — si sabes leerlo. Haz scroll: el espectro que tienes al lado recorre la pipeline completa de Nitida, del ruido en bruto a un mapa clasificado.
Recién salida del instrumento.
Óxido de grafeno, intacto: los picos reales están enterrados bajo un fondo de fluorescencia inclinado y afilados spikes de rayos cósmicos. Ajusta el ruido para sentir desde dónde parte de verdad un espectroscopista — una relación señal-ruido de apenas 14 dB.
Arranca los rayos cósmicos.
Los rayos cósmicos golpean el detector al azar y dejan spikes de un solo píxel, más altos que la propia señal. Un filtro de mediana localiza cada uno y lo extrae — míralos salir volando — sin perturbar las bandas que hay debajo.
Despega la señal del fondo.
El fondo de fluorescencia se modela y se resta, y la traza se asienta sobre un eje plano. Cambia de método y observa la diferencia: arPLS deja la línea más limpia.
Dos bandas, dos historias.
La banda G, ordenada, y la banda D, nacida de los defectos, se ajustan cada una con una pseudo-Voigt. La franja inferior es el residuo — lo que el modelo no ha captado. Aquí es casi plano: R² 0,9987.
→ Toca los chips G y D para leer la FWHM de cada banda — la anchura que codifica la calidad del cristal.
Divide D entre G.
El cociente entre las intensidades de las dos bandas mide cuán desordenado está el carbono. Arrastra el deslizador de reducción: a medida que el óxido se reduce, los dominios ordenados se encogen y el ID/IG sube desde el óxido de grafeno hacia el GO reducido.
Una receta, cada espectro.
Un mapa Raman son miles de espectros sobre una malla. La receta que acabas de construir — despike, línea base, ajuste, ratio — se ejecuta en cada punto automáticamente: 2 400 espectros, cada píxel coloreado por su ID/IG. La química se convierte en imagen. Tú eliges por qué colorear.
Deja que los datos encuentren sus propios ejes.
El análisis de componentes principales comprime cada espectro en un par de números que capturan la mayor parte de la variación. Representados uno frente a otro, los píxeles se separan solos en familias naturales — sin necesidad de etiquetas.
Agrupa por similitud.
k-means reúne los píxeles en clústeres y los vuelve a pintar sobre el mapa: fases distintas — escama oxidada, zona reducida, sustrato — emergen como regiones coherentes. Elige cuántos clústeres buscar.
Ponle nombre a cada región.
Entrena con un puñado de puntos etiquetados y Nitida clasifica el resto: cada píxel se asigna a óxido de grafeno, GO reducido o sustrato, con un 97,8% de concordancia con la referencia. Un mapa de fases completo, a partir de una sola receta.
Seis meses después, la misma figura.
Cada paso que acabas de ver queda capturado en un JSON de 20 KB. Vuelve a ejecutarlo en otra máquina, por otro estudiante, y la figura es idéntica. Repite la pipeline completa aquí abajo — y luego llévala a tus propios datos.
macOS · Windows · Linux — offline, tus datos siguen siendo tuyos.