Les spectres Raman passent rarement directement du spectromètre à un modèle. Avant d'extraire des informations quantitatives, ils nécessitent généralement un prétraitement comprenant le recadrage de la région spectrale utile, la suppression des pics parasites, la soustraction de la ligne de base et la normalisation des données. Ce tutoriel présente ce flux de travail à l'aide de spectres Raman réels issus de la publication « Process monitoring of zeolite crystallization: Bridging in situ Raman spectroscopy, ex situ XRD, and predictive machine learning models ».
La transformation interzéolithique se produit pendant la synthèse de zéolithes lorsqu'une phase cristalline se transforme en une autre ; il est donc précieux de suivre la contribution de chaque phase au fil du temps. La spectroscopie Raman permet de suivre ce processus, mais les spectres doivent être déconvolués. Les moindres carrés non négatifs (NNLS) conviennent parfaitement à cette tâche : le spectre mesuré est décrit comme une combinaison non négative de spectres de référence des phases individuelles. Le tutoriel se concentre sur le traitement des données Raman et sur les NNLS, en partant de spectres bruts pour retrouver l'évolution relative de la faujasite (FAU) et de la gismondine (GIS) pendant la cristallisation.
Le jeu de données complet est librement disponible au format Nexus/HDF5 sur Zenodo, et le tutoriel est fourni sous forme de notebook Jupyter. Le format Nexus est pratique car les spectres et les métadonnées expérimentales, y compris le temps de cristallisation, restent stockés ensemble. Les spectres acquis à 0 et 16 heures ont été exclus, car les caractéristiques Raman de la zéolithe n'étaient pas encore suffisamment informatives ; l'analyse commence donc à 18 heures.
La première étape de prétraitement recadre les spectres sur la région 250–1250 cm⁻¹. Comme les spectres n'ont pas été enregistrés exactement sur le même axe de déplacement Raman, chacun est interpolé sur un axe commun avant d'être combiné dans une matrice de données unique. Le recadrage et l'interpolation précèdent la suppression des pics et la soustraction de la ligne de base, afin que ces algorithmes ne travaillent que sur le signal pertinent et harmonisé.
Source: Towards Data Science · Résumé par HeadlinesBriefing