SciFlow Scientific data workflow 王晓宇的 GitHub

SCIFLOW AGENT · INTERACTIVE DEMO

科研数据,从原始文件到可复核结果

下面用一份真实结构的 ODMR 实验数据演示:读取文件、检查异常、 提取共振位置,再导出清洗数据与分析报告。

所有计算都在浏览器内完成。选择本地文件时,数据不会上传到服务器。

sample_odmr.csv 141 rows
analysis_report complete

2 个共振谷 · 3 个异常点已标记

先看懂这项实验

ODMR 数据到底在测什么?

1

仪器改变微波频率

可以把它理解成逐个试音高:仪器从低频扫到高频,同时记录样品的荧光亮度。

2

共振位置出现“谷底”

当频率与材料内部自旋状态匹配时,荧光会下降。曲线中的谷底就是需要提取的信号。

3

异常点会干扰判断

抖动、杂散光或采集错误可能制造假信号,因此必须先检查数据质量,再给出结果。

这次 Demo 要完成的任务: 找到两个真实共振谷,识别并处理离群点,计算中心频率和信号对比度。

完整可运行 Demo

从 CSV 文件开始分析

可直接运行内置示例,也可上传任意包含两列数值的 CSV/TXT 文件。 第一列作为横轴,第二列作为信号。

原始数据 横轴:微波频率 · 纵轴:归一化荧光强度
原始点 异常点 处理曲线
准备就绪 运行示例后,这里会展示原始点、异常点和处理曲线。
结果会怎样解释?

分析完成后,这里会用非专业语言说明曲线意味着什么。

分析结果

结果摘要

尚未运行
有效数据行 — 成功读取的数值记录
异常点 — 偏离局部趋势的数据点
共振位置 — 曲线中两个主要谷底
平均对比度 — 谷底相对基线的下降幅度
检查项目结果说明
数值完整性等待分析—
异常点识别等待分析—
信号可读性等待分析—

结果不是停留在页面上

分析完成后可以直接下载

Demo 会根据当前数据生成清洗后的 CSV 和文字分析报告。 这两个文件都在本地浏览器中生成。

CSV

cleaned_data.csv

保留原始值、处理值和异常标记,可继续在 Origin、MATLAB 或 Python 中使用。

下载数据
TXT

analysis_report.txt

包含数据质量、共振位置、对比度、异常点位置以及结果解释。

下载报告
SRC

完整网页源代码

纯 HTML、CSS 和 JavaScript,无需服务器、数据库或 API Key。

GitHub 主页
当前版本的边界

本 Demo 真实执行 CSV/TXT 读取、异常检测、平滑处理、指标计算和文件导出。 COMSOL、CST、FDTD 与 MATLAB 数据应先导出为表格格式后使用。 页面不声称替代专业拟合软件或研究人员的物理判断。