ラマンスペクトルは、分光計からモデルへ直接渡されることはほとんどありません。定量的な情報を抽出する前に、通常は前処理が必要です。前処理には、有用なスペクトル領域の切り出し、スパイク除去、ベースラインの差し引き、データの正規化が含まれます。本チュートリアルでは、論文「Process monitoring of zeolite crystallization: Bridging in situ Raman spectroscopy, ex situ XRD, and predictive machine learning models」の実際のラマンスペクトルを用いて、このワークフローを解説します。
ゼオライト合成中には、ある結晶相が別の結晶相へと転換する沸石間転換が起こります。そのため、時間経過に伴う各相の寄与を追跡することは有益です。ラマン分光法でこの過程を追跡することは可能ですが、スペクトルはデコンボリューションする必要があります。非負最小二乗法（NNLS）はこの課題に適しています。測定されたスペクトルは、個々の相の参照スペクトルの非負の線形結合として表現されます。本チュートリアルでは、ラマンデータ処理とNNLSに焦点を当て、生のスペクトルから出発して、結晶化中のフォージャサイト（FAU）とギスモンディン（GIS）の相対的変化を復元します。
データセット全体は、Zenodo上でNexus/HDF5形式によりオープンに公開されており、チュートリアルはJupyterノートブックとして提供されています。Nexus形式では、結晶化時間を含むスペクトルと実験メタデータが一緒に保存されるため便利です。ゼオライトのラマン特徴がまだ十分な情報を持っていなかったため、0時間と16時間に取得されたスペクトルは除外され、解析は18時間から始まります。
最初の前処理ステップでは、スペクトルを250～1250 cm⁻¹の領域に切り出します。スペクトルは完全に同一のラマンシフト軸上で記録されていないため、個々のスペクトルは共通の軸に補間され、その後単一のデータ行列にまとめられます。切り出しと補間はスパイク除去やベースライン差し引きの前に行われるため、それらのアルゴリズムは関連性があり統一されたシグナルのみに作用します。
出典: Towards Data Science · 要約：HeadlinesBriefing