Identification of Nonequivalent Framework Oxygen Species in Metal–Organic Frameworks by <sup>17</sup>O Solid-State NMR
Notice bibliographique
Résumé
Metal–organic frameworks (MOFs) are a class of novel nanoporous materials with many potential applications. Structural characterization is important because understanding the relationship between the properties of these industrially relevant materials and their structures allows one to develop new applications and improve current performance. Oxygen is one of the most important elements in many MOFs and exists in various forms. Ideally, 17 O solid-state NMR (SSNMR) should be an excellent tool for characterizing various oxygen species. However, the major obstacles that prevent applying 17 O SSNMR to MOF characterization are the synthetic effort needed for 17 O isotopic enrichment and the associated high cost. In this work, we successfully prepared several prototypical 17 O-enriched MOFs, including Zr-UiO-66, MIL-53(Al), CPO-27-Mg (or Mg-MOF-74), and microporous α-Mg 3 (HCOO) 6 . Depending on the target MOF, different isotopic enrichment methods were used to effectively incorporate 17 O from 17 O-enriched H 2 O. Using these 17 O-enriched MOFs, we were able to acquire 17 O SSNMR spectra at a magnetic field of 21.1 T. They provide distinct spectral signatures of various key oxygen species commonly seen in representative MOFs. We demonstrate that 17 O SSNMR can be used to differentiate chemically and, under favorite circumstances, crystallographically nonequivalent oxygens and to follow the phase transitions. The synthetic approaches for preparation of 17 O-enriched sample described in this paper are fairly simple and cost-effective.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».