Toute l’histoire dans un seul spectre.
Un scan Raman d’oxyde de graphène contient un rapport complet sur le matériau — si vous savez le lire. Faites défiler : le spectre sous vos yeux déroule le pipeline complet de Nitida, du bruit brut à une carte classifiée.
Tout juste sorti de l’instrument.
De l’oxyde de graphène, intact : les vrais pics sont enfouis sous un fond de fluorescence en pente et des spikes acérés de rayons cosmiques. Réglez le bruit pour sentir d’où part réellement un spectroscopiste — un rapport signal sur bruit d’à peine 14 dB.
Arracher les rayons cosmiques.
Les rayons cosmiques frappent le détecteur au hasard et laissent des spikes d’un seul pixel, plus hauts que le signal lui-même. Un filtre médian repère chacun d’eux et le soulève hors du spectre — regardez-les s’envoler — sans perturber les bandes en dessous.
Décoller le signal du fond.
Le fond de fluorescence est modélisé puis soustrait, et la trace se pose sur un axe plat. Changez de méthode et observez la différence : arPLS laisse la ligne la plus propre.
Deux bandes, deux histoires.
La bande G, ordonnée, et la bande D, née des défauts, sont chacune ajustées par une pseudo-Voigt. Le ruban en dessous est le résidu — ce que le modèle a manqué. Ici, il est presque plat : R² 0,9987.
→ Touchez les puces G et D pour lire la FWHM de chaque bande — la largeur qui encode la qualité du cristal.
Diviser D par G.
Le rapport d’intensité des deux bandes suit le degré de désordre du carbone. Faites glisser le curseur de réduction : à mesure que l’oxyde se réduit, les domaines ordonnés rétrécissent et ID/IG grimpe de l’oxyde de graphène vers le GO réduit.
Une recette, chaque spectre.
Une carte Raman, ce sont des milliers de spectres sur une grille. La recette que vous venez de construire — despike, ligne de base, fit, rapport — s’exécute automatiquement sur chaque point : 2 400 spectres, chaque pixel coloré par son ID/IG. La chimie devient une image. À vous de choisir quoi colorer.
Laisser les données trouver leurs propres axes.
L’analyse en composantes principales compresse chaque spectre en deux ou trois nombres qui capturent l’essentiel de la variation. Tracés l’un contre l’autre, les pixels se séparent en familles naturelles — sans la moindre étiquette.
Regrouper par similarité.
k-means rassemble les pixels en clusters et les repeint sur la carte : des phases distinctes — feuillet oxydé, zone réduite, substrat — émergent en régions cohérentes. Choisissez combien de clusters chercher.
Nommer chaque région.
Entraînez sur une poignée de points étiquetés et Nitida classe le reste : chaque pixel est attribué à l’oxyde de graphène, au GO réduit ou au substrat, avec 97,8% d’accord avec la vérité terrain. Une carte de phases complète, à partir d’une seule recette.
Six mois plus tard, la même figure.
Chaque étape que vous venez de voir est capturée dans un JSON de 20 Ko. Relancez-le sur une autre machine, par un autre étudiant, et la figure est identique. Rejouez tout le pipeline ci-dessous — puis appliquez-le à vos propres données.
macOS · Windows · Linux — hors ligne, vos données restent les vôtres.