Spettroscopia Raman · Suite di analisi

La luce, ridotta a segnale.

Tutti gli strumenti per l'analisi Raman che servono a un laboratorio (fitting, mapping, ML, AI) in un'unica finestra. Riproducibili per definizione.

Scorri
In una finestra
CaricamentoPuliziaRitaglioFitting multi-piccoMappatura 2DMappatura 3DClusteringPCALetteratura AIExport pubblicabileCaricamentoPuliziaRitaglioFitting multi-piccoMappatura 2DMappatura 3DClusteringPCALetteratura AIExport pubblicabile
Il problema

Oggi l'analisi Raman è frammentata, manuale e non riproducibile.

Sei laboratori partner. Una settimana media di lavoro. Trentun ore. E al venerdì il risultato non è comunque riproducibile.

01

Codice custom, scienza fragile.

Ogni laboratorio scrive i propri script. Si rompono ad ogni nuovo dataset.

02

Nessuno standard per batch e mappe.

Gli strumenti per singolo spettro non scalano. Le mappe si tengono insieme con notebook e nastro adesivo.

03

Il ML è fuori portata.

La maggior parte degli spettroscopisti sa descrivere ciò che vuole, non implementarlo.

04

Tutto è fatto a mano.

Fondo, picchi, etichette, figure, ripetuti per ogni campione, ogni articolo, ogni revisione.

Le capacità

Cinque strumenti, una finestra.

01 · Carica e pulisci

Carica qualsiasi formato. Puliscilo con un click.

CSV, matrice di Leuven, formati dei vendor. Cinque metodi di baseline tra cui arPLS e SNIP. Rimozione dei raggi cosmici attiva per default.

  • 01Cinque baseline, polinomiale, arPLS, Rolling Ball, Rubberband, SNIP.
  • 02Anteprima in tempo reale, vedi il risultato mentre regoli i parametri.
  • 03Modalità mappa, applica la pulizia a 1 200 spettri in una volta sola.
spettri · nitida_001 · raw vs. corretto
02 · Fitting picchi

Fitting multi-picco che converge.

Lorentziana, Gaussiana, Pseudo-Voigt. Rilevamento automatico o posizionamento manuale. Vincoli quando la fisica lo richiede.

  • 01Due motori, scipy curve_fit e lmfit.
  • 02Vincoli rigidi su posizione, ampiezza e FWHM.
  • 03R² · χ²ᵣ · parametri per picco esportati con ogni fit.
deconvoluzione multi-picco · pseudo-voigt
Trascina i picchi · cm⁻¹
P1
P2
P3
Sum
R² 0,9987
03 · Mappatura

Mappe che raccontano la storia, non solo i dati.

Applica la tua ricetta di fitting a ogni punto della mappa. Heatmap 2D, superfici 3D, profili, espressioni custom.

  • 01Espressioni custom, peak1_amp / peak2_amp diventa una mappa ID/IG.
  • 02Refit del singolo punto corregge gli outlier senza rieseguire la mappa.
  • 03Profili e superfici 3D regolabili in tempo reale.
heatmap · I_D / I_G · 2 400 spettri
0,4
2,1
3 min 24 s
04 · AI e ML locale

Un assistente che legge la letteratura. In locale.

L'agente di ricerca integrato cerca articoli, estrae i dati dei picchi e li correla con i tuoi spettri analizzati. PCA, k-means e classificatori, pronti all'uso.

  • 01Completamente locale, gira su Ollama. Nessuna chiave API.
  • 02Ricerca in letteratura, Google Scholar e estrazione articoli.
  • 03Risposte visive, l'assistente disegna spettri e heatmap in chat.
assistente · locale · ollama · gemma4:e4b
Identifica i picchi del mio ossido di grafene.
Ho letto 8 articoli sul Raman dell'ossido di grafene. Il tuo fit mostra la banda D a 1 348 cm⁻¹ e la banda G a 1 583 cm⁻¹.Ferrari · 2007Stankovich · 2007+6 altri
Confronta il mio dato con la letteratura.
Il tuo ID/IG = 1,34 cade tra Stankovich (1,28) e Ferrari (1,41). Coerente con riduzione parziale di GO. 12 articolimatch 92%
Raggruppa la mappa per forma spettrale.
Eseguito k-means · k = 4. A (38%) grafene puro · B (24%) GO · C (22%) carbonio disordinato · D (16%) substrato. Cluster overlay sulla heatmap.
05 · Riproducibilità

Un JSON, una figura, ovunque.

Ogni passaggio dell'analisi (baseline, ritaglio, picchi, vincoli, modello ML) è catturato in un JSON da 20 KB. Condividilo, versionalo, rieseguilo.

  • 01Export delle impostazioni cattura l'intera pipeline come JSON portabile.
  • 02Preset integrati per grafene, silicio, diamante.
  • 03Stessa figura, sei mesi dopo, su un'altra macchina, da un altro studente.
analisi · graphene_map_001 · settings.json
01
Caricamento · graphene_map_001.csv
a3f1…b29c
02
Fondo · arPLS λ=1e5
a3f1…b29c
03
Ritaglio · 1 200–1 700 cm⁻¹
a3f1…b29c
04
Fit picchi · pseudo-voigt × 4
a3f1…b29c
05
Mappa · ID/IG
a3f1…b29c
settings.json · 18,4 KB · sha256 a3f1c84b29c…
I numeri

Da 31 ore a 40 minuti.
Ed è riproducibile.

Numeri da sei laboratori pilota, sei mesi, 220k spettri processati. Tempi misurati sull'analisi end-to-end di una mappa da 2 400 punti.

Tempo risparmiato
0×
Analisi mediana end-to-end: 31 h manuali → 40 min in Nitida.
Lab. pilota
0
Attivi su dataset reali in scienza dei materiali, biologia e farmaceutica.
Spettri fittati
0k
Spettri totali processati nei pilota dalla prima release.
Riproducibilità
0%
Rieseguire un file di impostazioni produce una figura identica, per progettazione.

*Dati indicativi su workflow tipico.

Confronto

La categoria non aveva un default di livello scientifico.

Suite vendor OriginPro Notebook Python Nitida
Fitting batch multi-spettro Limitato Manuale Sì (codice) Nativo
Mappatura 2D e 3D Vendor-locked No Sì (codice) Integrato
Riproducibilità (un solo file) No No Ad-hoc Per definizione
ML / classificazione No No Sì (codice) Un click
Assistente AI per la letteratura No No No Locale · privato
Multipiattaforma · vendor-neutrale Hardware-bound Mac · Win · Linux
Pensato per lo spettroscopista No No (ingegneri)
Prezzi

Due modi per entrare.

Una licenza per chi lavora da solo. Un canale diretto per laboratori, aziende e integrazioni.

Aziende · Vendor

Azienda o integrazione

Parliamone

Per laboratori, aziende, integrazioni vendor o esigenze particolari. Scrivimi direttamente.

  • Licenze multiple / site license
  • Integrazione con gli strumenti
  • Onboarding e supporto dedicati
  • Co-branding e citazioni
Contattami →

Prezzi IVA esclusa.

Scarica

Porta Nitida sulla tua macchina.

App desktop nativa, completamente offline. Scegli il tuo sistema operativo.

La prima release è in preparazione. Intanto puoi vedere tutte le release su GitHub. zano97/Raman_program

FAQ

Domande frequenti.

I dati lasciano il mio laboratorio?+
No. Nitida gira interamente sulla tua macchina, AI inclusa. L'assistente di ricerca usa Ollama in locale: nessuna chiamata cloud, nessuna chiave API, nessun dato che attraversa la rete.
Quali formati di file posso caricare?+
CSV standard, matrice di Leuven, formati nativi dei principali vendor (Renishaw, Horiba, Bruker). Mappe 1D, 2D e immagini iperspettrali fino a centinaia di migliaia di spettri.
Funziona su Mac, Windows e Linux?+
Sì. Nitida è multipiattaforma: stesso binario, stesse impostazioni, stessi risultati su Mac, Windows e Linux. L'unica dipendenza esterna opzionale è Ollama per le funzionalità AI.
Posso integrarlo nel mio flusso esistente?+
Sì. Tutti i parametri sono esposti come JSON portabile e l'API Python permette di pilotare Nitida da notebook esistenti. I preset integrati per grafene, silicio e diamante sono un punto di partenza riproducibile.
Cosa significa "riproducibile per definizione"?+
Ogni passaggio dell'analisi (caricamento, fondo, ritaglio, picchi, vincoli, modello ML, export) viene catturato in un file settings.json da circa 20 KB. Caricarlo su un'altra macchina riproduce esattamente la stessa figura. Zero ambiguità.
Quanto dura l'onboarding?+
Una sessione di 4 ore è sufficiente per portare un laboratorio dalla prima installazione alla prima mappa pubblicabile. La maggior parte degli utenti pilota è autonoma entro la prima settimana.
Primi 6 mesi gratis · poi €15/mese

La luce, ridotta a segnale.

Se fitti gli spettri Raman a mano il venerdì pomeriggio, prova Nitida: i primi 6 mesi sono in regalo.