Spektra Raman jarang langsung berpindah dari spektrometer ke sebuah model. Sebelum informasi kuantitatif diekstraksi, spektra biasanya memerlukan prapemrosesan, yang meliputi pemotongan wilayah spektral yang berguna, penghapusan spike, pengurangan baseline, dan normalisasi data. Tutorial ini memandu alur kerja tersebut menggunakan spektra Raman nyata dari publikasi "Process monitoring of zeolite crystallization: Bridging in situ Raman spectroscopy, ex situ XRD, and predictive machine learning models".
Transformasi interzeolit terjadi selama sintesis zeolit ketika satu fase kristalin berubah menjadi fase lain, sehingga melacak kontribusi setiap fase dari waktu ke waktu sangat bermanfaat. Spektroskopi Raman dapat melacak proses ini, tetapi spektranya harus didekonvolusi. Non-Negative Least Squares (NNLS) sangat cocok untuk tugas ini: spektrum yang diukur digambarkan sebagai kombinasi non-negatif dari spektrum referensi dari masing-masing fase. Tutorial ini berfokus pada pemrosesan data Raman dan NNLS, dimulai dari spektra mentah dan memulihkan evolusi relatif faujasit (FAU) dan gismondin (GIS) selama kristalisasi.
Dataset lengkap tersedia secara terbuka dalam format Nexus/HDF5 di Zenodo, dan tutorial disediakan sebagai notebook Jupyter. Format Nexus praktis karena spektra dan metadata eksperimen, termasuk waktu kristalisasi, tersimpan bersama. Spektra yang diperoleh pada 0 dan 16 jam dikecualikan karena fitur Raman zeolit belum cukup informatif, sehingga analisis dimulai pada 18 jam.
Langkah prapemrosesan pertama memotong spektra ke wilayah 250–1250 cm⁻¹. Karena spektra tidak direkam pada sumbu pergeseran Raman yang persis sama, setiap spektrum diinterpolasi ke sumbu yang seragam sebelum digabungkan menjadi satu matriks data. Pemotongan dan interpolasi dilakukan sebelum penghapusan spike dan pengurangan baseline, sehingga algoritma tersebut hanya bekerja pada sinyal yang relevan dan terharmonisasi.
Sumber: Towards Data Science · Diringkas oleh HeadlinesBriefing