Introducing SpectraFit: An Open-Source Tool for Interactive Spectral Analysis.
Notice bibliographique
Résumé
In chemistry, analyzing spectra through peak fitting is a crucial task that helps scientists extract useful quantitative information about a sample's chemical composition or electronic structure. To make this process more efficient, we have developed a new open-source software tool called SpectraFit. This tool allows users to perform quick data fitting using regular expressions of distribution and linear functions through the command line interface (CLI) or Jupyter Notebook, which can run on Linux, Windows, and MacOS, as well as in a Docker container. As part of our commitment to good scientific practice, we have introduced an output file-locking system to ensure the accuracy and consistency of information. This system collects input data, results data, and the initial fitting model in a single file, promoting transparency, reproducibility, collaboration, and innovation. To demonstrate SpectraFit's user-friendly interface and the advantages of its output file-locking system, we are focusing on a series of previously published iron-sulfur dimers and their XAS spectra. We will show how to analyze the XAS spectra via CLI and in a Jupyter Notebook by applying a global fitting routine. Additionally, we will demonstrate how SpectraFit can be used as a black box and white box solution, allowing users to apply their own algorithms to engineer the data further. The publication, along with its supplementary information, serves as a playbook to guide users through each step of the process. SpectraFit will streamline the peak fitting process and prove to be an invaluable resource for chemists and other professionals working in related fields.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,006 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,121 | 0,061 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».