$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Questa applicazione fornisce un'analisi facile e rapida degli spettri di emissione attraverso due metodi principali comunemente usati nella comunità fotofisica. Il primo è Franck-Condon Lineshape Analysis (FCLSA), che fornisce informazioni sull'energia e sull'accoppiamento vibronico associato al decadimento delle molecole di stato eccitato nei loro stati fondamentali. Ciò si ottiene ottimizzando i valori dei parametri per massimizzare la bontà di adattamento di uno spettro utilizzando una delle due possibili equazioni di modellazione FCLSA. Il secondo metodo di analisi fornisce informazioni sul colore osservato della luce emessa dalla molecola. Combinando le curve di colore tristimolo con i dati di intensità forniti, è possibile calcolare le coordinate CIE. Questa determinazione consente la previsione del colore estremamente accurata sia degli spettri di assorbimento che di emissione.
Gli spettri sperimentali di fotoluminescenza sono comunemente misurati utilizzando un tubo fotomoltiplicatore (PMT) o un dispositivo ad accoppiamento di carica (CCD) come rivelatore e tracciati come intensità di emissione rispetto alla lunghezza d'onda (nm). Molte caratterizzazioni fotofisiche, tra cui FCLSA e il calcolo dell'energia libera dello stato eccitato, sono eseguite nello spazio dei numeri d'onda, come dimostrato dall'uso di (cm-1) nelle corrispondenti equazioni di
cui sopra. Oltre alla conversione dell'asse x, l'intensità di emissione misurata rispetto alla lunghezza d'onda, indicata come I(λ) deve essere convertita in
. Questa applicazione identifica automaticamente le unità originali dell'asse x dei dati spettrali importati come lunghezza d'onda (nm) o numero d'onda (cm-1). Per impostazione predefinita, l'applicazione converte quindi i dati spettrali, normalizza lo spettro in unità al picco di intensità massima e traccia lo spettro come "Normalizzato
vs. numero d'onda (cm-1)" per indicare che è stata applicata la conversione di intensità corretta. Sebbene si raccomandi di eseguire tutti i raccordi utilizzando unità di numero d'onda, l'applicazione può anche tracciare lo spettro come "Normalizzato I(λ) vs. lunghezza d'onda (nm)" seguendo le istruzioni nella sezione 2 sopra.
Sono disponibili due algoritmi di ottimizzazione per l'utilizzo nell'applicazione. L'opzione predefinita è smorzato dei minimi quadrati, che utilizza l'algoritmo di Levenberg-Marquardt21. Combinando una versione della discesa del gradiente e l'algoritmo di Gauss-Newton, questo algoritmo trova minimi locali, non necessariamente globali. Sebbene questa sia una limitazione significativa, l'algoritmo offre vantaggi nella sua personalizzazione: questo metodo può tenere conto della ponderazione preferenziale dei punti dati, eseguire un adattamento robusto e visualizzare statistiche avanzate sulla bontà dell'adattamento22. Il metodo alternativo di ottimizzazione è privo di derivate, alimentato dall'algoritmo del simplesso di Nelder-Mead23. Questo algoritmo utilizza un metodo euristico per restituire un minimo globale della funzione di costo data (in questo caso, una somma di differenze al quadrato tra le intensità previste e osservate). Il metodo simplex è stato utilizzato per FCLSA in precedenza, sebbene il codice che lo implementa non sia mai stato pubblicato24.
Entrambi i metodi di ottimizzazione dei minimi quadrati e simplessi funzionano meglio per spettri strutturati che mostrano picchi stretti, ben definiti e simmetrici. Man mano che gli spettri diventano meno strutturati, il che significa che perdono simmetria e i picchi si allargano, questi metodi portano a adattamenti meno robusti in cui i parametri possono diventare altamente correlati. Tipicamente, gli spettri registrati a basse temperature o in mezzi rigidi sono più strutturati rispetto a quelli ottenuti vicino alla temperatura ambiente o in soluzione fluida 12,25,26. Le opzioni di adattamento robuste incluse nel metodo dei minimi quadrati possono aiutare ad alleviare questo problema. Questo problema può essere significativamente ridotto se uno o più parametri sono fissati su un valore costante durante l'ottimizzazione. Ad esempio, gli esperimenti di spettroscopia IR possono essere utilizzati per determinare i valori rilevanti di spaziatura quantistica (ħω). In alternativa, è possibile utilizzare i valori della letteratura pertinente per impostare limiti personalizzati per i parametri.
In alcuni casi, l'adattamento FCLSA e i parametri ottenuti dalle routine di ottimizzazione non rappresentano adeguatamente i dati anche quando vengono utilizzate opzioni di adattamento robuste o parametri fissi. Questo è un errore degli algoritmi di fitting e può essere associato ai parametri di adattamento FCLSA multipli (potenziale sovraparametrizzazione) o alla forma spettrale dei dati (spettri senza caratteristiche). In questi casi, un ulteriore miglioramento degli adattamenti può essere ottenuto utilizzando un "adattamento manuale" dei dati con manipolazione dei parametri FCLSA. L'adeguatezza di tali adattamenti può essere valutata visivamente e quantificata confrontando le statistiche sulla bontà dell'adattamento che vengono automaticamente incluse nel grafico.
Una routine generale da seguire per un adattamento accurato a mano consiste nei seguenti cinque passaggi: in primo luogo, determinare una stima iniziale per E0 manualmente o automaticamente utilizzando uno dei tre metodi forniti. Per impostazione predefinita, il valore del parametro viene assegnato al numero d'onda associato al picco di intensità più elevato rilevato durante l'importazione dei dati. In alternativa, l'utente può definire E0 come il numero d'onda al quale lo spettro di emissione interseca il suo corrispondente spettro di eccitazione. Il metodo finale per determinare E0 utilizza la cosiddetta regola X%, dove X = 1 o 10. In questo metodo, E0 è assegnato a un numero d'onda X% dell'intera larghezza a metà massima (FWHM) del picco di dati più prominente assumendo una forma a banda gaussiana. Il secondo passo nel protocollo di adattamento manuale è calcolare ħω in base alla spaziatura quantistica osservata nella struttura dello spettro di emissione. Se possibile, fare riferimento allo spettro IR della molecola e cercare di correlare il valore basato sulla fotoluminescenza a una banda forte nello spettro IR. In terzo luogo, determinare S in base alle intensità relative dei picchi spettrali. In quarto luogo, determinare un Δ v1/2 approssimativo in base alla larghezza di banda. In quinto luogo, regolare iterativamente S e Δv1/2 secondo necessità.
La difficoltà di eseguire FCLSA utilizzando spettri ampi e relativamente privi di caratteristiche è stata dimostrata attraverso la procedura di adattamento per 9,10-difenilantracene in soluzione fluida a 292 K rispetto a quella eseguita per lo spettro più strutturato ottenuto in vetro congelato a 77 K. Durante l'adattamento dello spettro della temperatura ambiente, l'ottimizzazione ha restituito un coefficiente iniziale di determinazione di 0,9971 che è stato migliorato a 0,9994 attraverso la regolazione manuale dei parametri e l'ispezione visiva dei risultati. Al contrario, il montaggio manuale della variante a bassa temperatura non era necessario a causa della struttura fine dello spettro che risultava in un coefficiente di determinazione pari a 0,9991 dopo l'ottimizzazione del simplesso.
In molti casi, entrambe le routine di ottimizzazione (minimi quadrati e simplex) restituiscono risultati molto simili. Ciò è indicativo del fatto che hanno trovato un minimo globale per i parametri FCLSA. In generale, il metodo dei minimi quadrati tende ad essere più adatto ai dati rumorosi, non ben strutturati o contenenti molti punti dati vicini allo zero nelle code dello spettro. Al contrario, il metodo simplex tende a restituire adattamenti migliori rispetto al metodo dei minimi quadrati per i dati che sono ben strutturati e possiedono pochi punti anomali. In questi casi, il metodo simplesso richiede in genere una piccola pre-ottimizzazione manuale dei valori dei parametri e nessuna regolazione dopo l'ottimizzazione. Per quei casi in cui il rumore dei dati o la mancanza generale di struttura impediscono un adattamento di alta qualità utilizzando uno dei metodi di ottimizzazione forniti, si raccomanda di utilizzare il metodo di adattamento manuale (vedi sopra) senza successiva ottimizzazione.
Questa applicazione offre diversi vantaggi rispetto alle precedenti implementazioni di Franck-Condon Lineshape Analysis. Il primo e più importante vantaggio è che è gratuito, accessibile al pubblico e completamente trasparente. Ciò si ottiene pubblicando il codice su GitHub, fornendo l'accesso a chiunque disponga di un computer e di una connessione Internet (https://github.com/USArmyResearchLab/ARL_Spectral_Fitting). Non solo chiunque può accedere a questa applicazione, ma può anche visualizzare il codice sottostante. Ciò offre un'opportunità per il feedback e lo sviluppo provenienti dalla comunità. Un ulteriore vantaggio risiede nella facilità d'uso di questa applicazione. Non è richiesta alcuna conoscenza di base dell'informatica o dell'interazione della riga di comando. Piuttosto, questo software utilizza una semplice interfaccia utente grafica (GUI) che consente ai ricercatori di ogni provenienza di eseguire le analisi spettrali sopra descritte. Inoltre, questa applicazione fornisce all'utente molteplici opzioni per il controllo sui metodi di ottimizzazione e può essere utilizzata per determinare l'energia libera dello stato eccitato. Infine, il software calcola e riporta diversi valori di colore utili tra cui coordinate di cromaticità, coordinate CIE, RGB e codici colore esadecimali. Tutte queste analisi possono essere eseguite in pochi secondi, richiedendo solo che l'utente prema un pulsante.