拉曼光谱入门:2.拉曼光谱发展史、拉曼效应与试样温度的确定方法

1.拉曼光谱技术发展史

     这里用简单的箭头与关键字来概括一下拉曼光谱技术的发展史

  1. 1928年:拉曼效应的发现 → 拉曼光谱术的初步应用
  2. 20世纪40年代:红外光谱术的发展 → 拉曼光谱术的限制
  3. 20世纪60年代:激光作为光源的引入 → 拉曼光谱术的性能提升
  4. 20世纪80年代:纤维光学探针的引入 → 拉曼光谱术的应用范围扩展
  5. 20世纪90年代:FT拉曼光谱术和CCD检测器的引入 → 拉曼光谱术的效率和应用提升(CCD 是英语 Charge Coupled Device(电荷耦合元件)的缩写,是一种将图像转换为电信号的半导体元件)

2.拉曼效应

       当一束单色光照射到样品上时,它有三种可能的去向:一部分光会穿透样品;一部分光会被样品吸收;还有一部分光会被样品散射。在散射光中,大部分光的波长与入射光相同,这种散射被称为瑞利散射。然而,有一小部分光的波长会因为样品中分子的振动和转动而发生改变,这种散射被称为拉曼散射

        在拉曼散射中,如果分子在吸收光子后回到一个更高的能量水平,导致散射光的波长比入射光长,这意味着分子的振动能量增加了,这种散射被称为斯托克斯拉曼散射。相反,如果分子在吸收光子后回到一个更低的能量水平,导致散射光的波长比入射光短,这意味着分子的振动能量减少了,这种散射被称为反斯托克斯拉曼散射

        上述描述中设计到了波长和能量的大小关系,这里解释一下为什么“波长越大,能量越小”:这涉及到的是普朗克-爱因斯坦关系式:光或任何其他形式的电磁辐射的能量(E)与其频率(ν)成正比,而频率又与波长(λ)成反比。具体的关系可以表示为:E=h\nu

        光或任何其他形式的电磁辐射的能量(E)与其频率(ν)成正比,而频率又与波长(λ)成反比。具体的关系可以表示为:\nu =\frac{c}{\lambda} ,将这个关系代入普朗克-爱因斯坦关系式中,我们得到:E=\frac{hc}{\lambda}

        从这个公式可以看出,能量 E 与波长 λ 成反比关系。也就是说,波长越短,能量越高;波长越长,能量越低。这是因为波长较短的光子具有较高的频率,而频率越高,能量也就越高。

3.确定测试试样的温度

        在拉曼散射中,可以通过观察斯托克斯和反斯托克斯拉曼散射的强度比来间接测定试样的温度。这是因为斯托克斯和反斯托克斯拉曼散射的强度与分子的振动能量分布有关,而分子的振动能量分布又与温度有关。

        斯托克斯拉曼散射发生在分子从激发态返回到一个更高的振动能量水平时,而反斯托克斯拉曼散射发生在分子从激发态返回到一个更低的振动能量水平时。在热平衡状态下,分子在不同振动能量水平上的分布遵循玻尔兹曼分布,即较高能量水平的分子数目较少,较低能量水平的分子数目较多。

        因此,在给定温度下,斯托克斯拉曼散射的强度通常会比反斯托克斯拉曼散射的强度高,因为较低能量水平的分子数目更多。斯托克斯和反斯托克斯拉曼散射的强度比(\frac{I_{Stokes}}{I_{Anti-Stokes}})与温度(T)之间的关系可以通过以下公式表示:\frac{I_{Stokes}}{I_{Anti-Stokes}}=\left( \frac{\nu _0-\nu _s}{\nu _0+\nu _s} \right) ^4\exp \left( \frac{h\nu _s}{kT} \right)

        其中:I_{Stokes}I_{Anti-Stokes}  分别是斯托克斯和反斯托克斯拉曼散射的强度。\nu _0是入射光的频率。\nu _s是拉曼位移(即入射光和散射光之间的频率差)。 h 是普朗克常数。k 是玻尔兹曼常数。T 是绝对温度。

        通过测量斯托克斯和反斯托克斯拉曼散射的强度,并利用上述公式,可以计算出试样的温度。这种方法在实际应用中非常有用,因为它提供了一种非接触式的温度测量方法,特别适用于高温或难以直接接触的样品。

        上述公式较为复杂,下面是详细推导步骤:

1. 玻尔兹曼分布:在热平衡状态下,分子在能量水平E_i上的分布遵循玻尔兹曼分布:N_i=N_0\exp \left( -\frac{E_i}{kT} \right)

          其中N_i是处于能量水平E_i的分子数,N_0是处于基态的分子数,k是玻尔兹曼常数,T是绝对温度。

          2.拉曼散射强度:拉曼散射强度与分子在相应能量水平上的分布有关。斯托克斯拉曼散射对应于分子从激发态返回到一个更高的振动能量水平E_1,而反斯托克斯拉曼散射对应于分子从激发态返回到一个更低的振动能量水平E_2。因此,斯托克斯和反斯托克斯拉曼散射的强度可以分别表示为:I_{Stokes}\propto N_1I_{Anti-Stokes}\propto N_2

        3.能量关系:假设E_1E_2分别是斯托克斯和反斯托克斯拉曼散射对应的能量水平,且E_2=E_1+h\nu _s,其中h是普朗克常数,\nu _s是拉曼位移。

          4.强度比:斯托克斯和反斯托克斯拉曼散射的强度比可以表示为:\frac{I_{Stokes}}{I_{Anti-Stokes}}=\frac{N_1}{N_2},代入玻尔兹曼分布,我们得到:

\frac{I_{Stokes}}{I_{Anti-Stokes}}=\frac{N_0\exp \left( -\frac{E_1}{kT} \right)}{N_0\exp \left( -\frac{E_2}{kT} \right)}=\exp \left( \frac{E_2-E_1}{kT} \right)

          由于E_2=E_1+h\nu _s,所以:\frac{I_{Stokes}}{I_{Anti-Stokes}}=\exp \left( \frac{h\nu _s}{kT} \right)

          5. 考虑频率因子:在实际应用中,还需要考虑频率因子,因为拉曼散射的强度还与入射光和散射光的频率有关。频率因子通常表示为  \left( \frac{\nu _0-\nu _s}{\nu _0+\nu _s} \right) ^4。因此,完整的公式为:

\frac{I_{Stokes}}{I_{Anti-Stokes}}=\left( \frac{\nu _0-\nu _s}{\nu _0+\nu _s} \right) ^4\exp \left( \frac{h\nu _s}{kT} \right)

        这个公式给出了斯托克斯和反斯托克斯拉曼散射强度比与温度的关系,通过测量这些强度比,可以间接测定样品的温度。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/41924.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【雷丰阳-谷粒商城 】【分布式高级篇-微服务架构篇】【17】认证服务01—短信/邮件/异常/MD5

持续学习&持续更新中… 守破离 【雷丰阳-谷粒商城 】【分布式高级篇-微服务架构篇】【17】认证服务01 环境搭建验证码倒计时短信服务邮件服务验证码短信形式:邮件形式: 异常机制MD5参考 环境搭建 C:\Windows\System32\drivers\etc\hosts 192.168.…

使用flask的web网页部署介绍

使用flask的web网页部署介绍 文章目录 前言一、网页介绍二、数据库设计介绍总结 前言 flaskbootstrapjquerymysql搭建三叶青在线识别网站,使用nginxgunicorn将网站部署在腾讯云上,配置SSL证书。网站地址:https://www.whtuu.cn 三叶青图像识…

2024年6月后2周重要的大语言模型论文总结:LLM进展、微调、推理和对齐

本文总结了2024年6月后两周发表的一些最重要的大语言模型论文。这些论文涵盖了塑造下一代语言模型的各种主题,从模型优化和缩放到推理、基准测试和增强性能。 LLM进展与基准 1、 BigCodeBench: Benchmarking Code Generation with Diverse Function Calls and Com…

【C++】模板进阶--保姆级解析(什么是非类型模板参数?什么是模板的特化?模板的特化如何应用?)

目录 一、前言 二、什么是C模板? 💦泛型编程的思想 💦C模板的分类 三、非类型模板参数 ⚡问题引入⚡ ⚡非类型模板参数的使用⚡ 🔥非类型模板参数的定义 🔥非类型模板参数的两种类型 &#x1f52…

linux下高级IO模型

高级IO 1.高级IO模型基本概念1.1 阻塞IO1.2 非阻塞IO1.3 信号驱动IO1.4 IO多路转接1.5 异步IO 2. 模型代码实现2.1 非阻塞IO2.2 多路转接-selectselect函数介绍什么才叫就绪呢?demoselect特点 2.3 多路转接-pollpoll函数介绍poll优缺点demo 2.4 多路转接-epoll&…

为什么人一旦开窍了就变的特别厉害?

点击上方△腾阳 关注 《让子弹飞》这部电影非常经典,其中一个名场面就是“六子吃粉”。 电影里,胡万对着老六就是一顿狂轰滥炸:“吃了两碗粉,就给一碗的钱,你当咱这是慈善堂呢?” 老六一听,那…

SpringBoot+ELK 收集日志的两种方式

方式一、FileBeatlogstash 7.5.1(docker)ES(docker)springboot 日志文件 应用方式 我们采用ELFK 架构采集日志,直接读取日志生成的文件,不对Springboot的日志任何的修改。也就是FileBeat 通过读取日志文件位置获取日志内容,然后发送至logsta…

移动应用开发课设——原神小助手文档(1)

2023年末,做的移动应用开发课设,分还算高,项目地址:有帮助的话,点个赞和星呗~ GitHub - blhqwjs/-GenShin_imp: 2023年移动应用开发课设 本文按照毕业论文要求来写,希望对大家有所帮助。 xxxx大学课程设计报…

C++--partition库函数

介绍 在C中,partition函数通常是指STL(Standard Template Library)中的std::partition算法,它用于对一个序列进行分区操作。具体来说,std::partition接受一个范围和一个谓词(predicate)作为参数…

win10使用小技巧一

1. 查看电脑IP地址 步骤:按WinR打开运行框 → 输入cmd点确定 → 输入ipconfig回车 → 查看IP地址。 2. 解决网页文字不能复制 步骤:按F12 → 调试框里点击设置 → 向下滑找到 禁用 JavaScript → 勾选 → 复制文字。 3. 解决电脑不能上网 方法一&…

im即时通讯哪家好?WorkPlus im即时通讯集成底座为企业保驾护航

在当今数字化时代,即时通讯是企业内部沟通和协作的重要工具,提高工作效率和团队协作效果。在众多IM即时通讯提供商中,WorkPlus作为一家具有独特优势的企业IM即时通讯集成底座,为企业提供了全面的功能和安全保障,为企业…

Linux权限概述

一、权限概述 1.权限的基本概念 2.为什么要设置权限 3.linux用户的身份类别 4.user文件的拥有者 5.group文件所属组内用户 6.other其他用户 7.特殊用户root 二、普通权限管理 1.ls -l查看文件权限 2.文件类型以及权限解析 3.文件或文件夹的权限设置 4.通过数字给文件…

吴恩达深度学习笔记:机器学习策略(2)(ML Strategy (2)) 2.3-2.4

目录 第三门课 结构化机器学习项目(Structuring Machine Learning Projects)第二周:机器学习策略(2)(ML Strategy (2))2.3 快速搭建你的第一个系统,并进行迭代(Build your first system quickly…

Python 学习中什么是元组,如何使用元组?

什么是元组 元组(Tuple)是Python内置的一种数据结构,用于存储多个数据项。与列表类似,元组也可以存储不同类型的数据,但它们之间存在一个重要区别:元组是不可变的,也就是说,一旦创建…

智慧校园综合解决方案PPT(41页)

1. 方案背景 智慧校园综合解决方案响应《教育信息化2.0行动计划》等政策,旨在加快智慧校园建设,推动信息化与学习生活的深度融合。目前教育信息化配套设施建设存在“孤岛架构”,学生安全问题频发,技术发展迅速,家长对…

专题三:Spring源码中新建module

前面我们构建好了Spring源码,接下来肯定迫不及待来调试啦,来一起看看大名鼎鼎ApplicationContext 新建模块 1、基础步骤 1.1 自定义模块名称如:spring-self 1.2 选择构建工具因为spring使用的是gradle,所以这边需要我们切换默认…

Android 如何通过代码实时设置EditTextView光标

背景:换肤框架下,QA进行深色浅色切换说输入框光标颜色没有改变,转UI结果UI说需要修改!!!!! 本来有方法可以设置,但是 设置后未生效。重新进入该页面才生效!&a…

Android 集成OpenCV

记录自己在学习使用OpenCV的过程 我使用的是4.10.0 版本 Android 集成OpenCV 步骤 下载OpenCV新建工程依赖OpenCV初始化及逻辑处理 1、下载OpenCV 并解压到自己的电脑 官网 地址:https://opencv.org/releases/ 个人地址:https://pan.baidu.com/s/19f…

这款新的 AI 语音助手击败了 OpenAI,成为 ChatGPT 最受期待的功能之一

OpenAI 推迟了 ChatGPT 令人印象深刻的语音模式,这让许多 AI 聊天机器人的粉丝感到不安,但他们现在可能已经被挖走了。法国人工智能开发商 Kyutai 推出了一款名为 Moshi 的实时语音 AI 助手。 Moshi 旨在通过语音(如 Alexa 或 Google Assista…

三、数据库系统(考点篇)试题

聚簇索引,也叫簇类索引,原理是对磁盘上实际数据重新组织以按指定的一个或多个列的值排序于聚簇索引的索引页面指针指向数据页面,所以使用聚簇索引查找数据几乎总是比使用非聚簇索引快。每张表只能建一个聚簇索引,并且建聚簇索引需…