$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Esta aplicación proporciona un análisis fácil y rápido de los espectros de emisión a través de dos métodos principales comúnmente utilizados en la comunidad fotofísica. El primero es Franck-Condon Lineshape Analysis (FCLSA), que da una idea de la energía y el acoplamiento vibrónico asociado con la desintegración de las moléculas de estado excitado a sus estados fundamentales. Esto se logra optimizando los valores de los parámetros para maximizar la bondad de ajuste de un espectro utilizando una de las dos posibles ecuaciones de modelado FCLSA. El segundo método de análisis proporciona información sobre el color observado de la luz emitida por la molécula. Al combinar curvas de color triestímulo con los datos de intensidad proporcionados, se puede calcular la coordenada CIE. Esta determinación permite la predicción de color altamente precisa de los espectros de absorción y emisión.
Los espectros experimentales de fotoluminiscencia se miden comúnmente utilizando un tubo fotomultiplicador (PMT) o un dispositivo de carga acoplada (CCD) como detector y se representan como intensidad de emisión frente a longitud de onda (nm). Muchas caracterizaciones fotofísicas, incluyendo FCLSA y el cálculo de la energía libre del estado excitado, se realizan en el espacio de números de onda, como lo demuestra el uso de
(cm-1) en las ecuaciones correspondientes anteriores. Además de la conversión del eje x, la intensidad de emisión medida frente a la longitud de onda, denotada como I(λ) debe convertirse a
. Esta aplicación identifica automáticamente las unidades originales del eje x de los datos espectrales importados como longitud de onda (nm) o número de onda (cm-1). De forma predeterminada, la aplicación convierte los datos espectrales, normaliza el espectro a la unidad en el pico de intensidad máxima y traza el espectro como "Normalizado
vs. número de onda (cm-1)" para indicar que se aplicó la conversión de intensidad correcta. Aunque se recomienda que todos los ajustes se realicen utilizando unidades de número de onda, la aplicación también puede trazar el espectro como " I normalizado (λ ) vs. longitud de onda (nm)" siguiendo las instrucciones de la sección 2 anterior.
Hay dos algoritmos de optimización disponibles para su uso en la aplicación. La opción predeterminada es mínimos cuadrados amortiguados, que utiliza el algoritmo21 de Levenberg-Marquardt. Combinando una versión del descenso de gradiente y el algoritmo de Gauss-Newton, este algoritmo encuentra mínimos locales, no necesariamente globales. Si bien esta es una limitación significativa, el algoritmo ofrece ventajas en su personalización: este método puede tener en cuenta la ponderación preferencial de los puntos de datos, realizar un ajuste robusto y mostrar estadísticas avanzadas de bondad de ajuste22. El método alternativo de optimización es libre de derivados, impulsado por el algoritmo simplex de Nelder-Mead23. Este algoritmo utiliza un método heurístico para devolver un mínimo global de la función de costo dada (en este caso, una suma de diferencias al cuadrado entre las intensidades predichas y observadas). El método simplex se ha utilizado para FCLSA antes, aunque el código que lo implementa nunca se publicó24.
Tanto los métodos de optimización de mínimos cuadrados como los simplex funcionan mejor para espectros estructurados que exhiben picos estrechos, bien definidos y simétricos. A medida que los espectros se vuelven menos estructurados, lo que significa que pierden simetría y los picos se amplían, estos métodos conducen a ajustes menos robustos donde los parámetros pueden estar altamente correlacionados. Típicamente, los espectros registrados a bajas temperaturas o en medios rígidos son más estructurados en comparación con los obtenidos cerca de temperatura ambiente o en solución fluida 12,25,26. Las opciones de ajuste robusto incluidas con el método de mínimos cuadrados pueden ayudar a aliviar este problema. Este problema puede reducirse significativamente si uno o más de los parámetros se fijan a un valor constante durante la optimización. Por ejemplo, los experimentos de espectroscopia IR se pueden utilizar para determinar valores relevantes de espaciado cuántico (ħω). Alternativamente, se pueden usar valores de literatura relevantes para establecer límites personalizados para los parámetros.
En algunos casos, el ajuste FCLSA y los parámetros obtenidos de las rutinas de optimización no representan adecuadamente los datos, incluso cuando se emplean opciones de ajuste robustas o parámetros fijos. Esto es un fallo de los algoritmos de ajuste y puede estar asociado con los múltiples parámetros de ajuste de FCLSA (posible sobreparametrización) o la forma espectral de los datos (espectros sin características). En estos casos, se puede obtener una mejora adicional de los ajustes utilizando un "ajuste manual" de los datos con manipulación de los parámetros FCLSA. La idoneidad de tales ajustes se puede evaluar visualmente y cuantificar comparando las estadísticas de bondad de ajuste que se incluyen automáticamente en la gráfica.
Una rutina general a seguir para un ajuste preciso a mano consiste en los siguientes cinco pasos: Primero, determine una estimación inicial para E0 manual o automáticamente utilizando uno de los tres métodos proporcionados. De forma predeterminada, el valor del parámetro se asigna al número de onda asociado con el pico de intensidad más alto detectado en la importación de datos. Alternativamente, el usuario puede definir E0 como el número de onda en el que el espectro de emisión interseca su espectro de excitación correspondiente. El método final para determinar E0 utiliza la llamada regla X%, donde X = 1 o 10. En este método, E0 se asigna a un número de onda X% del ancho total a la intensidad media máxima (FWHM) del pico de datos más prominente asumiendo una forma de banda gaussiana. El segundo paso en el protocolo de ajuste manual es calcular ħω basado en el espaciado cuántico observado en la estructura del espectro de emisión. Si es posible, consulte el espectro IR de la molécula y trate de correlacionar el valor basado en fotoluminiscencia con una banda fuerte en el espectro IR. En tercer lugar, determine S basándose en las intensidades relativas de los picos espectrales. Cuarto, determine un Δv1/2 aproximado basado en el ancho de banda. Quinto, reajustar iterativamente S y Δv1/2 según sea necesario.
La dificultad para realizar FCLSA utilizando espectros amplios y relativamente sin rasgos distintivos se demostró mediante el procedimiento de ajuste para 9,10-difenilantraceno en solución fluida a 292 K en comparación con el realizado para el espectro más estructurado obtenido en vidrio congelado a 77 K. Al ajustar el espectro de temperatura ambiente, la optimización devolvió un coeficiente de determinación inicial de 0.9971 que se mejoró a 0.9994 a través del ajuste manual de los parámetros y la inspección visual de los resultados. En contraste, el ajuste manual de la variante de baja temperatura fue innecesario debido a la estructura fina del espectro que resultó en un coeficiente de determinación igual a 0.9991 después de la optimización simplex.
En muchos casos, ambas rutinas de optimización (mínimos cuadrados y símplex) devuelven resultados muy similares. Esto es indicativo de que han encontrado un mínimo global para los parámetros de FCLSA. En general, el método de mínimos cuadrados tiende a ser más adecuado para datos que son ruidosos, no están bien estructurados o contienen muchos puntos de datos cercanos a cero en las colas del espectro. Por el contrario, el método simplex tiende a devolver mejores ajustes que el método de mínimos cuadrados para datos que están bien estructurados y poseen pocos puntos atípicos. En estos casos, el método simplex generalmente requiere poca optimización previa manual de los valores de los parámetros y ningún ajuste después de la optimización. Para aquellos casos en los que el ruido de los datos o la falta general de estructura impide un ajuste de alta calidad utilizando cualquiera de los métodos de optimización proporcionados, se recomienda que se emplee el método de ajuste manual (ver arriba) sin optimización posterior.
Esta aplicación ofrece varias ventajas sobre las implementaciones anteriores de Franck-Condon Lineshape Analysis. La primera y más importante ventaja es que es gratuito, de acceso público y totalmente transparente. Esto se logra publicando el código en GitHub, proporcionando acceso a cualquier persona con una computadora y conexión a Internet (https://github.com/USArmyResearchLab/ARL_Spectral_Fitting). No solo cualquiera puede acceder a esta aplicación, sino que también puede ver el código subyacente. Esto proporciona una oportunidad para la retroalimentación y el desarrollo de la comunidad. Una ventaja adicional radica en la facilidad de uso de esta aplicación. No se requieren conocimientos previos de informática o interacción de línea de comandos. Más bien, este software emplea una interfaz gráfica de usuario (GUI) simple que permite a los investigadores de todos los orígenes realizar los análisis espectrales descritos anteriormente. Además, esta aplicación proporciona al usuario múltiples opciones para el control sobre los métodos de optimización y se puede utilizar para determinar la energía libre del estado excitado. Finalmente, el software calcula e informa varios valores de color útiles, incluidas coordenadas cromatices, coordenadas CIE, RGB y códigos de color hexadecimales. Todos estos análisis se pueden realizar en segundos, requiriendo solo que el usuario presione un botón.