Os espectros Raman raramente passam diretamente do espectrômetro para um modelo. Antes de extrair informações quantitativas, geralmente precisam de pré-processamento, que inclui recortar a região espectral útil, remover picos espúrios, subtrair a linha de base e normalizar os dados. Este tutorial percorre esse fluxo de trabalho usando espectros Raman reais da publicação "Process monitoring of zeolite crystallization: Bridging in situ Raman spectroscopy, ex situ XRD, and predictive machine learning models".
A transformação interzeolítica ocorre durante a síntese de zeólitos quando uma fase cristalina se transforma em outra, por isso acompanhar a contribuição de cada fase ao longo do tempo é valioso. A espectroscopia Raman pode acompanhar esse processo, mas os espectros precisam ser deconvoluídos. Os mínimos quadrados não negativos (NNLS) são muito adequados a essa tarefa: o espectro medido é descrito como uma combinação não negativa de espectros de referência das fases individuais. O tutorial concentra-se no processamento de dados Raman e no NNLS, começando pelos espectros brutos e recuperando a evolução relativa da faujasita (FAU) e da gismondina (GIS) durante a cristalização.
O conjunto de dados completo está disponível abertamente no formato Nexus/HDF5 no Zenodo, e o tutorial é fornecido como um notebook Jupyter. O formato Nexus é conveniente porque os espectros e os metadados experimentais, incluindo o tempo de cristalização, permanecem armazenados juntos. Os espectros adquiridos em 0 e 16 horas foram excluídos porque as características Raman do zeólito ainda não eram suficientemente informativas, de modo que a análise começa em 18 horas.
A primeira etapa de pré-processamento recorta os espectros na região de 250–1250 cm⁻¹. Como os espectros não foram registrados exatamente no mesmo eixo de deslocamento Raman, cada um é interpolado para um eixo comum antes de ser combinado em uma única matriz de dados. O recorte e a interpolação vêm antes da remoção de picos e da subtração da linha de base, de modo que esses algoritmos operem apenas sobre o sinal relevante e harmonizado.
Fonte: Towards Data Science · Resumido por HeadlinesBriefing