Spectra AI: Development of an Intelligent Assistant for Automated Interpretation of FTIR Spectra and AI-Based Generation of Scientific Reports

Abstract

Fourier Transform Infrared spectroscopy is among the most widely employed analytical techniques in materials science and chemical engineering, yet the workflow connecting raw spectral data to publication-ready scientific interpretation remains largely manual, timeconsuming, and dependent on specialist expertise. This thesis presents the design, implementation, and experimental validation of SPECTRA AI, an intelligent desktop assistant developed in Python that automates the principal steps of FTIR spectral analysis within a single accessible graphical user interface. The system integrates a prominence-based automated peak detection algorithm implemented through the SciPy signal processing library, an interactive spectral visualisation engine built on Matplotlib, and an AI-powered scientific report generation module connected to the Google Gemini large language model via REST API. A structured prompt engineering methodology was developed to elicit journal-conformant Results and Discussion text following the stylistic conventions of Elsevier materials science publications, with IUPAC vibrational nomenclature and citation placeholder integration. The tool was validated against published peer-reviewed FTIR spectra of three nanomaterial systems of contrasting spectral complexity: biosynthesised Ag/AgCl nanoparticles, CuO@Tocopherol hybrid nanoparticles, and ZnO/BaMg₂ mixed-oxide nanoparticles. Validation results demonstrated a 100% recall of all labelled reference absorption bands across the three case studies, with an overall mean positional error below 15 cm⁻¹ and sub-resolution accuracy of 3.7 cm⁻¹ on sharp, well-defined features. The system exports results in multiple formats including plain text, Excel spreadsheet, and formatted Microsoft Word document embedding the annotated spectrum, the AI-generated discussion, and a structured peak assignment table. A business model and operational plan for commercial deployment of the tool are presented as an annex. The work demonstrates that the integration of established signal processing algorithms with modern generative artificial intelligence constitutes a viable, practically valuable, and deployable approach to reducing the analytical burden of routine FTIR characterisation in academic research and industrial quality control environments. تُعدّ مطيافية الأشعة تحت الحمراء بتحويل فورييه (FTIR) من أكثر التقنيات التحليلية استخدامًا في علوم المواد والهندسة الكيميائية. ومع ذلك، فإن سير العمل الذي يربط البيانات الطيفية الخام بالتفسير العلمي الجاهز للنشر لا يزال يُنجز بصورة يدوية إلى حدٍّ كبير، مما يجعله مستهلكًا للوقت ومعتمدًا بدرجة كبيرة على الخبرة المتخصصة. يقدّم هذا العمل تصميمًا وتطويرًا وتحقيقًا تجريبيًا لنظام SPECTRA AI، وهو مساعد ذكي لسطح المكتب مطوَّر بلغة Python يهدف إلى أتمتة المراحل الرئيسة لتحليل أطياف FTIR ضمن واجهة رسومية موحّدة وسهلة الاستخدام. يدمج النظام خوارزمية آلية للكشف عن القمم الطيفية تعتمد على مفهوم البروزية (Prominence)، وقد نُفِّذت باستخدام مكتبة معالجة الإشارات SciPy، إلى جانب محرك تفاعلي لعرض الأطياف وتفسيرها مبني على Matplotlib، ووحدة لتوليد التقارير العلمية مدعومة بنموذج اللغة الكبير Google Gemini عبر واجهة برمجة تطبيقات REST. كما جرى تطوير منهجية منظّمة لهندسة الأوامر النصية بهدف إنتاج نصوص علمية من نوع «النتائج والمناقشة» تتوافق مع الأعراف الأسلوبية المتبعة في مجلات Elsevier المتخصصة في علوم المواد، مع دمج التعيين الاهتزازي للمجاميع الوظيفية وفق توصيات IUPAC وإدراج مواضع مرجعية مخصّصة للاستشهادات الببليوغرافية. تم التحقق من أداء النظام من خلال مقارنة نتائجه بأطياف FTIR منشورة في مجلات علمية محكّمة لثلاثة أنظمة من الجسيمات النانوية ذات مستويات مختلفة من التعقيد الطيفي، وهي: جسيمات Ag/AgCl النانوية المُحضَّرة حيويًا، وجسيمات CuO@Tocopherol الهجينة، وجسيمات ZnO/BaMg₂ ذات الأكاسيد المختلطة. وأظهرت نتائج التحقق معدل استرجاع بلغ 100% لجميع نطاقات الامتصاص المرجعية المعلَّمة في الدراسات الثلاث، مع متوسط خطأ موضعي إجمالي أقل من 15 سم⁻¹، ودقة بلغت 3.7 سم⁻¹ للنطاقات الحادة والمحددة جيدًا، وهي قيمة أقل من دقة العديد من الأجهزة المستخدمة في القياس. يتيح النظام تصدير النتائج بصيغ متعددة تشمل النصوص العادية، وجداول Microsoft Excel، ووثائق Microsoft Word المنسّقة التي تتضمن الطيف المشروح، والمناقشة المولَّدة بالذكاء الاصطناعي، وجدولًا منظّمًا للقمم الطيفية وتفسيراتها. كما يُقدَّم في ملحق مستقل نموذج أعمال وخطة تشغيلية لاستثمار الأداة تجاريًا. تُثبت نتائج هذا العمل أن دمج خوارزميات معالجة الإشارات الراسخة مع تقنيات الذكاء الاصطناعي التوليدي الحديثة يمثّل نهجًا عمليًا وقابلًا للتطبيق والنشر الفعلي، ويسهم في تقليل العبء التحليلي المرتبط بالتوصيف الروتيني بأطياف FTIR في بيئات البحث الأكاديمي ومختبرات ضبط الجودة الصناعية.