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。