A. 红外光谱的应用
红外光谱对样品的适用性相当广泛，固态、液态或气态样品都能应用，无机、有机、高分子化合物都可检测。此外，红外光谱还具有测试迅速，操作方便，重复性好，灵敏度高，试样用量少，仪器结构简单等特点，因此，它已成为现代结构化学和分析化学最常用和不可缺少的工具。红外光谱在高聚物的构型、构象、力学性质的研究以及物理、天文、气象、遥感、生物、医学等领域也有广泛的应用。
红外吸收峰的位置与强度反映了分子结构上的特点，可以用来鉴别未知物的结构组成或确定其化学基团；而吸收谱带的吸收强度与化学基团的含量有关，可用于进行定量分析和纯度鉴定。另外，在化学反应的机理研究上，红外光谱也发挥了一定的作用。但其应用最广的还是未知化合物的结构鉴定。
红外光谱不但可以用来研究分子的结构和化学键，如力常数的测定和分子对称性的判据，而且还可以作为表征和鉴别化学物种的方法。例如气态水分子是非线性的三原子分子，它的v1=3652厘米、v3=3756厘米、v2=1596厘米而在液态水分子的红外光谱中，由于水分子间的氢键作用，使v1和v3的伸缩振动谱带叠加在一起，在3402厘米处出现一条宽谱带，它的变角振动v2位于1647厘米。在重水中，由于氘的原子质量比氢大，使重水的v1和v3重叠谱带移至2502厘米处，v2为1210厘米。以上现象说明水和重水的结构虽然很相近，但红外光谱的差别是很大的。
红外光谱具有高度的特征性，所以采用与标准化合物的红外光谱对比的方法来做分析鉴定已很普遍，并已有几种标准红外光谱汇集成册出版，如《萨特勒标准红外光栅光谱集》收集了十万多个化合物的红外光谱图。近年来又将些这图谱贮存在计算机中，用来对比和检索。
分子中的某些基团或化学键在不同化合物中所对应的谱带波数基本上是固定的或只在小波段范围内变化，例如，
经常出现在1600～1750厘米，称为羰基的特征波数。许多化学键都有特征波数，它可以用来鉴别化合物的类型，还可用于定量测定。由于分子中邻近基团的相互作用（如氢键的生成、配位作用、共轭效应等），使同一基团在不同分子中所处的化学环境产生差别，以致它们的特征波数有一定变化范围（见下表）。 红外光谱是物质定性的重要的方法之一。它的解析能够提供许多关于官能团的信息，可以帮助确定部分乃至全部分子类型及结构。其定性分析有特征性高、分析时间短、需要的试样量少、不破坏试样、测定方便等优点。
传统的利用红外光谱法鉴定物质通常采用比较法，即与标准物质对照和查阅标准谱图的方法，但是该方法对于样品的要求较高并且依赖于谱图库的大小。如果在谱图库中无法检索到一致的谱图，则可以用人工解谱的方法进行分析，这就需要有大量的红外知识及经验积累。大多数化合物的红外谱图是复杂的，即便是有经验的专家，也不能保证从一张孤立的红外谱图上得到全部分子结构信息，如果需要确定分子结构信息，就要借助其他的分析测试手段，如核磁、质谱、紫外光谱等。尽管如此，红外谱图仍是提供官能团信息最方便快捷的方法。
近年来，利用计算机方法解析红外光谱，在国内外已有了比较广泛的研究，新的成果不断涌现，不仅提高了解谱的速度，而且成功率也很高。随着计算机技术的不断进步和解谱思路的不断完善，计算机辅助红外解谱必将对教学、科研的工作效率产生更加积极的影响。 红外光谱定量分析法的依据是朗伯——比尔定律。红外光谱定量分析法与其它定量分析方法相比，存在一些缺点，因此只在特殊的情况下使用。它要求所选择的定量分析峰应有足够的强度，即摩尔吸光系数大的峰，且不与其它峰相重叠。红外光谱的定量方法主要有直接计算法、工作曲线法、吸收度比法和内标法等，常常用于异构体的分析。
随着化学计量学以及计算机技术等的发展，利用各种方法对红外光谱进行定量分析也取得了较好的结果，如最小二乘回归，相关分析，因子分析，遗传算法，人工神经网络等的引入，使得红外光谱对于复杂多组分体系的定量分析成为可能。
量子力学研究表明，分子振动和转动的能量不是连续的，而是量子化的，即限定在一些分立的、特定的能量状态或能级上。以最简单的双原子为例，如果认为原子间振动符合简谐振动规律，则其振动能量Ev可近似地表示为：
式中h为普朗克常数；v为振动量子数（取正整数）；v0为简谐振动频率。当v=0时，分子的能量最低，称为基态。处于基态的分子受到频率为v0的红外射线照射时，分子吸收了能量为hv0的光量子，跃迁到第一激发态，得到了频率为v0的红外吸收带。反之，处于该激发态的分子也可发射频率为v0的红外射线而恢复到基态。v0的数值决定于分子的约化质量μ和力常数k。k决定于原子的核间距离、原子在周期表中的位置和化学键的键级等。
分子越大，红外谱带也越多，例如含12个原子的分子，它的简正振动应有30种，它的基频也应有30条谱带，还可能有强度较弱的倍频、合频、差频谱带以及振动能级间的微扰作用，使相应的红外光谱更为复杂。如果假定分子为刚性转子，则其转动能量Er为：
式中j为转动量子数（取正整数）；i为刚性转子的转动惯量。在某些转动能级间也可以发生跃迁，产生转动光谱。在分子的振动跃迁过程中也常常伴随转动跃迁，使振动光谱呈带状。
辅助解析
有机化合物的结构鉴定在有机化学、生物化学、药物学、环境科学等许多领域越来越显示出它的重要性，而在各种鉴定手段中红外光谱以其方便灵敏的特性成为有机物结构鉴定的重要手段，除了它对分析结构特征反应灵敏这一特点外，红外光谱仪与计算机直接联机，也为引进一些与计算机科学有关的智能手段创造了条件。
各种现代化的分析仪器的出现和广泛应用，使得在短时间内获得物质体系大量信息成为可能，这为化学计量学的数据挖掘研究提供了机遇。由光谱仪器记录下来的谱图中包含大量的结构信息，但是目前还不能实现复杂分子光谱谱图的直接计算，其解析主要还凭借经验，对一个不是长期从事结构鉴定的人来说，解析一张光谱谱图是一项很困难的工作。实际上，即使对不太复杂的分子，也难于指定所有杂原子所处的官能团和峰的归属，而依靠各种计算机检索系统也会受到各种限制，诸如谱图库中数据有限，或测定条件（仪器的类型、具体的实验条件等）与标准图谱所用的条件不同而造成各吸收峰位置的改变等。另外由于红外谱图极其复杂，构成化合物的原子质量不同，化学键的性质不同，原子的连接次序和空间位置的不同都会造成红外光谱的差别。这些都使红外光谱的解析复杂化。如果能由计算机学习和存储红外光谱知识，用计算机辅助完成解析谱图的工作，自然是一件很有意义的事。
几十年以来，人们一直在探索将红外图谱的解析智能化。随着商品化红外光谱仪的计算机化，出现了许多计算机辅助红外光谱识别方法，这些方法大致可以分为三类：谱图检索系统、专家系统、模式识别方法。 谱图检索的主要优点是能够收集大量的光谱，只要根据未知物的光谱谱图就能识别化合物而无需其他数据（例如分子式等），它的程序也比较简单。但是它也有一些不可克服的缺点：
首先，检索系统的能力与谱图库存储的化合物的数量成正比，我们不可能把自然界所有的化合物收集其中，谱图库的发展总是滞后于有机化学的发展。其次，光谱仪器随着技术的发展不断改进：波谱范围不断扩大，分辨率不断提高，低温技术得到应用，一些新仪器的出现，这就要求原有的谱图库要不断修改，而庞大的谱图库在短时间内是办不到的。由于检索方法的这些特点，决定了它不能作为结构鉴定的一种完整的手段。
专家系统
计算机辅助结构解析的另一种方法是专家系统。它所研究的领域包括：数学证明，程序编写，行为科学与心理学，生命科学与医学等。
目前设计的专家系统解析谱图的一般方法是：在计算机里预先存储化学结构形成光谱的一些规律；由未知物谱图的一些光谱特征推测出未知物的一些假想结构式；根据存储规律推导出这些假想结构式的理论谱图，再将理论谱图与实验谱图进行对照，不断对假想结构式进行修正，最后得到正确的结构式。但是，目前分子中各种基团的吸收规律，主要还是通过经验或者人工获得。人工比较大量的已知化合物的红外谱图，从中总结出各种基团的吸收规律，其结果虽比较真实地反映了红外光谱与分子结构的对应关系，却不够准确，特别是这些经验式的知识难以用计算机处理，使计算机专家解析系统难以实用化。
模式识别
模式识别的发展是从五十年代开始的，就是用机器代替人对模式进行分类和描述，从而实现对事物的识别。随着计算机技术的普遍应用，处理大量信息的条件已经具备，模式识别在六十年代得到了蓬勃发展，并在七十年代初奠定了理论基础，从而建立了它自己独特的学科体系。模式识别已经应用到分析化学领域的有关方面，其中涉及最多的是分子光谱的谱图解析，在一些分类问题上获得了成功。
Munk等于1990年首次将线性神经网络应用于红外光谱的子结构解析，把红外光谱的解析带入了一个全新的领域，从此引起红外光谱的计算机解析热潮。随后各种方法，如各种人工神经网络，偏最小二乘，信号处理方法如小波变换等逐步引入到红外光谱的计算机解析中，使模式识别在红外光谱的应用中得到很好的发展。
Cabrol-Bass等使用了一个分等级的神经网络系统识别红外光谱的子结构。首先把10000个化合物光谱分为含苯环、含羟基、含羰基、含C-NH以及含C=C等5大类，随后把这几个类进行进一步分类，总共33个子结构。每一个下级网络使用上一级网络输出的结果。以3596~500 cm-1波段每12 cm-1取259个点作为神经网络的输入，输出为“1”和“0”，分别代表子结构存在和不存在。使用了含有一个隐含层30个节点的反向传播神经网络对每个子结构进行识别，对化合物作了全面但较为粗略的分类，涉及了数据库中一些常见化合物。
这些研究中大部分利用神经网络对子结构进行识别，而对特定类别的化合物没有做深入研究，对化合物的特征吸收峰也没有深入的讨论。另外，其中应用最多的人工神经网络在识别子结构时，对结构碎片的预测准确度不是很高，且神经网络存在不稳定、容易陷入局部极小和收敛速度慢等问题。
因此，近年来，人们一直在寻找一种更好的模式识别方法来进行红外光谱的结构解析。Vapnik等人于1995年在统计学习理论(Statistical Learning Theory, SLT)的基础上提出了支持向量机(Support vector machine, SVM)，它根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷，以期获得最好的泛化能力。SVM目前在化学中得到了一些较成功的应用，SVM可以较好的对红外光谱的子结构进行识别，与ANN相比，SVM还具有稳定以及训练速度快等优点，是一种很好的辅助红外光谱解析的工具。
B. 各位前辈，大神《有机化合物光谱解析学》,姚新生主编，人民卫生出版社 哪里有卖的啊啊啊啊跪求网址！
建议去淘宝 亚马逊 相关上面去找
C. 有机化合物结构解析中，红外光谱提供什么信息
红外检测有机物的特征官能团，
红外光谱可以研究分子的结构和化学键，如力常数的测定和分子对称性等，利用红外光谱方法可测定分子的键长和键角，并由此推测分子的立体构型。根据所得的力常数可推知化学键的强弱，由简正频率计算热力学函数等。分子中的某些基团或化学键在不同化合物中所对应的谱带波数基本上是固定的或只在小波段范围内变化，因此许多有机官能团例如甲基、亚甲基、羰基，氰基，羟基，胺基等等在红外光谱中都有特征吸收，通过红外光谱测定，人们就可以判定未知样品中存在哪些有机官能团，这为最终确定未知物的化学结构奠定了基础。
由于分子内和分子间相互作用，有机官能团的特征频率会由于官能团所处的化学环境不同而发生微细变化，这为研究表征分子内、分子间相互作用创造了条件。
分子在低波数区的许多简正振动往往涉及分子中全部原子，不同的分子的振动方式彼此不同，这使得红外光谱具有像指纹一样高度的特征性，称为指纹区。利用这一特点，人们采集了成千上万种已知化合物的红外光谱，并把它们存入计算机中，编成红外光谱标准谱图库。
D. 我要查一些主要常见有机化合物的红外光谱,还有核磁,请问哪里查比较方便
1，国内的：物竞化学；
2，国外的：Spectral Database for Organic Compounds, SDBS
你搜索一下吧，这儿不让发链接
E. 如何利用reaxys数据库查询有机物的质谱
reaxys中化学物质的性质那一部分，波谱中如果有的话会显示出来的
F. 求 实用有机化合物光谱解析百题解 下载
现代近红外光谱技术在最近几年（NIR）分析技术的技术，在国内外越来越受到重视的飞速发展高科技分析，化学分析，由于专家分析领域，分析在分析领域化学被称为“巨无霸”，它可以说是分析技术的出现带来了又一次革命。
根据近红外区域的ASTM定义为在7802526nm范围内的电磁波的波长，这是首次发现的不可视区域。在光谱区八度和声吸收频率信号的物质是弱的，带重叠，通过时间限制，近红外光谱“沉睡”了近一个半世纪的解决复杂的技术水平。直到20世纪50年代，随着商业票据和诺里斯，谁做了很多工作，使得近红外光谱技术的来临，已被广泛应用于农业分析。到了60年代后期，随着新的分析技术，再加上低近红外光谱的出现揭示了经典的敏感性，免疫力差的弱点，使人们淡漠的分析和测试中使用的技术，从，近红外光谱进入了一个一段时间的沉寂。 20世纪80年代后期，随着计算机技术的飞速发展，带动了数字和化学计量学分析仪器的发展，与化学计量学方法在解决光谱信息提取和背景干扰方面，结合近红外光谱测量一种取得良好效果独特的技术特点，使人们重新认识近红外光谱的价值，近红外光谱应用于各个领域研究进展。 20世纪90年代，近红外光谱应用在工业领域全面展开，有关研究和应用文献几乎呈指数增长的近红外光谱，成为增长最快，最显着的一个独立的分析技术。由于近红外光在常规光纤具有良好的传输特性，使近红外光谱在线分析领域也得到了很好的应用，取得了良好的社会效益和经济效益，从近红外光谱技术进入一个快速发展的新时代。
的近红外光谱后期除了一些专业的工作人员，近红外光谱技术也称为分析的研究和应用的开始。但自1995年以来一直是许多人关注的问题，并在研究，软件开发，基础研究和仪器的应用方面取得了令人鼓舞的成果。但是，现在能够提供完整的近红外光谱（近红外光谱仪器，化学计量学软件应用模式）企业仍然很少。随着中国加入WTO和经济全球化的大潮中，分析仪器的许多国外大厂商纷纷登陆中国，想在中国的第一个职业在近红外光谱仪器市场。的趋势，可以在热行业的近红外光谱的分析可以看出。在不久的将来，近红外光谱技术将成为越来越多的人认可和接受的分析部门。
现代近红外光谱技术是有机技术，计算机技术，化学计量学方法和基本的测试技术相结合的光谱测量。反映在一个包括状态信息或由被认可的标准或基准法样品组的近红外光谱用化学统计学技术来建立校准模型，然后通过测定未知样品的光谱测量数据的组成或性质并修正模型来预测其组成的快速分析方法或性质。
传统的分析技术，近红外光谱是一种间接分析技术，必须建立校正模型（标定模型）来实现对未知样品的定性或定量分析。具体分析过程包括以下步骤：首先，选择有代表性的样本，并测量其近红外光谱;二，数据组件或关注或认可的标准参考方法的性质确定;第三，所测量的光谱和基础数据，使用适当的方法来建立所需的化学计量的校准模型;第四部分是未知样品或性质的测定。在工作过程可见近红外光谱仪，近红外光谱，包括现代近红外光谱，化学计量学软件三部分应用模型。三个技术要求，以满足快速分析的结合是必不可少的。
与传统分析技术相比，近红外光谱技术具有很多优点，它可以在几分钟内，只需通过完成样品的采集，测量近红外光谱，以完成其测定的数绩效指标（最多十个指标）。当分析样品不需要是处理前的光谱测量结果;分析过程中不消耗或破坏样品等材料;分析和重现性好，成本低。定期质量控制是非常经济且快速的，但偶尔一个或两个做分析或样品的分散体的分析是不适用的。公司自成立以来必须在近红外光谱一定的人力，物力和财力，以获得准确的校正模型前付诸表决。
近红外光谱主要是反映CH，OH，NH，SH和其他债券的信息，因此分析范围可几乎所有的有机化合物和混合物的覆盖。加上其独特的优势，决定了其广泛应用在许多行业国民经济发展的领域可以发挥积极的作用，并逐渐扮演不可或缺的角色。应用的主要领域包括：石油和石油化工，基本有机化工，精细化工，冶金，生命科学，制药，临床医学，农业，食品，饮料，烟草，纺织，造纸，化妆品，质量监督，环保，高校和科研院所。油辛烷值可在石油化工领域，家庭组成，十六烷值，闪点，凝固点，凝固点，馏程，MTBE含量等进行测量;在农业部门可测籽粒蛋白质，碳水化合物，脂肪，纤维，水分含量等;药物可以在医药活性成分，组合物和内容的字段进行测量;可能是物种鉴定的样本，如酒精和香水的真假，环保垃圾分类等进行区分。
G. 如何应用红外光谱进行分析测试
红外光谱技术是利用红外光和分子作用所产生的分子振动的原理,来记录分子吸收红外光之后所呈现的振动模式,记录吸收光的相对强度对红外光波长所得的谱图,即称为红外光谱。运用红外光谱法对有机物进行检测,当红外光谱仪中发出的红外光线,照射到待检测物体表面后,有机物能产生吸收特性,对发射的红外光进行吸收,然后产生出一个红外光谱图。而技术人员就根据光谱图上不同的吸收峰,找到电脑内存中相对应的化学基团数据库,从而进行对比判断。由于每个有机化合物都有其特定的红外吸收光谱,因此红外光谱是定性分析的有利工具。
随着科学技术的发展,红外光谱技术的应用从中红外、到近红外、再到现在较为热门的傅立叶红外变换光谱(FTIR),技术得到不断的改进,应用领域得到不断的扩充。近年来,其在食品行业的应用研究也已展开,它已成为现代结构化学、分析化学最常用和最不可缺少的工具之一,在目前关于食品中低含量物质的检测中具有极其重要的价值
H. 美国国家标准与技术研究院的数据库
根据标准参考数据计划，NIST的各实验室正在将他们的数据库产品不断加入到在线访问的数据库行列，建立了一系列的科学数值数据库。通过更新现有的数据库及开发新数据库，NIST不断地丰富它的评价数值数据集，为社会提供可靠的、经过评价的数值数据。社会各界的工程师和科学家依靠 NIST的标准参考数据对许多关键技术进行决策。
NIST的标准参考数据库系列包括50多个数据库，其中大部分是建在微机上的多用途数据包，根据学科可分为以下几类：分析化学（包括谱学），原子和分子物理，生物技术，化学与晶体结构，化学动力学，工业流体与化工，材料性能，热力学与热化学，以及NIST的其它数据库。
分析化学类包括质谱库、红外谱、光电子能谱等数据库；原子与分子物理类包括光谱性能、c-射线衰减系数及交叉截面、原子光谱等数据库；生物技术类包括生物大分子结晶库等数据库；化学与晶体结构类有电子衍射等数据库；化学动力学类包括化学动力学、溶液动力学等数据库；工业流体与化工类有物质的热力学性能数据库；材料性能类包括结构陶瓷、腐蚀性能、摩擦材料、高温超导等数据库；表面数据类包括表面结构、弹性电子散射交叉截面等数据库；热化学类包括化学热力学、有机化合物热力学性能估算、JANAF热化学表等数据库。
NIST提供科学数值数据服务的方式主要有：①将数据与分析仪器连在一起出售，如质谱库中有近10万个化合物数据，附在质谱仪中出售的有常用的几万个化合物；②以PC数据包方式出售；③联机数据服务；④作为其它大的软件包的一部分；⑤直接装入用户的计算机。
具体的在线科学数据库名单如下：
儿童人体测量数据库（AnthroKids - Anthropometric Data of Children），
铂/氖阴极管灯泡的光谱图（Atlas of the Spectrum of a Platinum/Neon Hollow-Cathode Lamp in the Region 1130-4330 Å），
用于电子结构计算的原子参考数据库（Atomic Reference Data for Electronic Structure Calculations），
原子光谱数据库（Atomic Spectra Database，ASD），
原子谱线加宽目录数据库（Atomic Spectral Line Broadening Bibliographic Database），
原子跃迁概率数据库（Atomic Transition Probability Bibliographic Database），
原子重量及同位素成分数据库（Atomic Weights and Isotopic Compositions），
光子总交叉截面（衰减系数）测量目录（Bibliography of Photon Total Cross Section (Attenuation Coefficient) Measurements），
生物高分子结晶数据库（Biological Macromolecule Crystallization Database），
陶瓷互联网手册（Ceramics WebBook），
化学动力学数据库（CKMech，Chemical Kinetic Mechanisms），
化学互联网手册（Chemistry WebBook），
单分子反应计算数据库（ChemRate: A Calculational Database for Unimolecular Reaction），
视觉协同测试床（CIS2 Visual Interoperability Testbed），
化学动力学机理（CKMech，Chemical Kinetic Mechanisms），
计算化学比较和基准数据库（Computational Chemistry Comparison and Benchmark Database），
计算机辨认工具测试项目网站（Computer Forensics Tool Testing (CFTT) Project Web Site），
二阶光谱数据库（Diatomic Spectral Database），
运算法则和数据结构字典（Dictionary of Algorithms and Data Structures），
电子与等离子体加工用气体相互作用数据 (Electron Interactions with Plasma Processing Gases），
元素数据索引（Elemental Data Index），
工程统计学手册（Engineering Statistics Handbook），
火灾研究信息服务（Fire Research Information Services ，FRIS），
基本物理常数（Fundamental Physical Constants），
中性原子的基本水平和电离能量（Ground Levels and Ionization Energies for the Neutral Atoms），
数学软件指南（Guide to Available Mathematical Software），
NIST计量结果不确定性的评估与表达指南（Guidelines for Evaluating and Expressing the Uncertainty of NIST Measurement Results），
基础原子光谱数据手册（Handbook of Basic Atomic Spectroscopic Data），
绝缘体和建筑材料的热传递性质（Heat Transmission Properties of Insulating and Building Materials），
高温超导材料数据库（High Temperature Superconcting Materials Database），
HIV蛋白酶数据库（HIV Protease Database），
人线粒体蛋白数据库（Human Mitochondrial Protein Database），
烃类光谱数据库（Hydrocarbon Spectral Database），
二氧化碳同位素测定的交互规则（Interactive Algorithm for Isotopic CO2 Measurements），
国际比较数据库（International Comparisions Database），
ITS-90热电偶数据库（ITS-90 Thermocouple Database），
自动数据分析工具（MassSpectator Automated Data Analysis Tool），
矩阵市场数据库（Matrix Market Database），
相位图和计算热动力学―焊接系统（Phase Diagrams and Computational Thermodynamics - Solder Systems），
多轮烃结构索引（Polycyclic Aromatic Hydrocarbon Structure Index），
聚合物方法数据库（Polymer MALDI MS Methods Database），
高级材料的性质数据总结（Property Data Summaries for Advanced Materials），
断裂韧度性质数据总结（Property Data Summaries for Fracture Toughness），
氧化玻璃的性质数据总结（Property Data Summaries for Oxide Glasses），
蛋白质数据银行（Protein Data Bank (PDB) ( in collaboration with RCSB )
放射性核半衰期计量（Radionuclide Half-Life Measurements），
用于观测星际分子微波跃迁的雷达技术扫描频率（Recommended Rest Frequencies for Observed Interstellar Molecular Microwave Transitions - 1991 Revision），
加强渗透性数值数据库（Database on Reinforcement Permeability Values），
短暂前后重复的DNA数据库（Short Tandem Repeat DNA Internet Database），
无铅焊料的焊接特性数据库（Database for Solder Properties with Emphasis on New Lead-free Solders），
可溶性数据库（IUPAC-NIST Solubility Database），
溶解动力学数据库（NDRL/NIST Solution Kinetics Database on the Web），
坎德拉X-射线天文台光谱数据库（Spectral Data for the Chandra X-ray Observatory），
统计参考数据库（Statistical Reference Datasets），
电子、质子和氦离子的静止能与行程表（Stopping-Power and Range Tables for Electrons,Protons,and Helium Ions），
NIST结构陶瓷学数据库（NIST Structural Ceramics Database），
合成聚合物质谱项目（Synthetic Polymer Mass Spectrometry Project），
X-射线质量衰减系数和能量吸收系数表（Tables of X-Ray Mass Attenuation Coefficients and Mass Energy - Absorption Coefficients），
酶催化反应的热力学数据库（Thermodynamics of Enzyme-Catalyzed Reactions Database），
半导体器件加工用的气体的热物理特性数据库（Database of the Thermophysical Properties of Gases Used in the Semiconctor Instry），
三原子光谱数据库（Triatomic Spectral Database），
Vibrational branching ratios and asymmetry parameters in the photoionization of CO2 in the region between 650 Å and 840 Å
可见物粘合剂数据集（NIST Visible Cement Dataset），
Wavenumber Calibration Tables from Heterodyne Frequency Measurements
用于剂量测定的X-射线衰减与吸收表（X-Ray Attenuation and Absorption for Materials of Dosimetric Interest），
X-射线波型系数、衰减与散射表（X-Ray Form Factor,Attenuation and Scattering Tables），
X-射线电光子分光光谱数据库（NIST X-ray Photoelectron Spectros Database），
X-射线跃迁能量数据库（X-Ray Transition Energies Database），
光子交叉截面数据库（XCOM: Photon Cross Sections Database）。
I. 查合成有机化合物的数据库有哪些
收费的两个（具有主动直接性，目标很明确，呵呵）：
Scifinder 和 Beilstein
可以互联网上看的推荐几个（有点大海捞针咯）：
上海有机所专业数据库
drug furture
小木虫
希望有所帮助