Multinuclear Magnetic Resonance Crystallographic Structure Refinement and Cross-Validation Using Experimental and Computed Electric Field Gradients: Application to Na<sub>2</sub>Al<sub>2</sub>B<sub>2</sub>O<sub>7</sub>
Notice bibliographique
Résumé
An NMR crystallographic method is presented for the refinement of structures using electric field gradient (EFG) tensors measured using solid-state NMR spectroscopy and those calculated using the projector-augmented wave DFT method. As the calculated EFG data often overestimate the experimental data, the former are scaled to yield optimal agreement for a test set of compounds having highly accurate NMR data. A least-squares optimization procedure is then performed to minimize the difference between the experimental and the scaled calculated EFG tensors. This procedure yields high-quality crystal structures comparable to those obtained from pure DFT energy minimizations, as judged by their rmsd from single-crystal X-ray structures, and is based on experimental observables. Further improvement is obtained by simultaneously refining the structures against the experimental EFG tensor parameters and optimizing the lattice energy with DFT. We use this hybrid experimental–theoretical approach to refine the crystal structure of Na 2 Al 2 B 2 O 7, a member of an important family of nonlinear optical materials, which has been the focus of study due to its tendency to form stacking faults. The resulting structures are subjected to a systematic cross-validation process using experimental 23 Na, 11 B, 17 O, and 27 Al EFG and chemical shift data, thereby demonstrating the validity of our strategy. This approach may be useful for the refinement of crystal structures of intrinsically polycrystalline materials for which typically only low quality structures are obtainable through traditional diffraction-based methods.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».