Spies Within Metal-Organic Frameworks: Investigating Metal Centers Using Solid-State NMR
Notice bibliographique
Résumé
Structural characterization of metal–organic frameworks (MOFs) is crucial, since an understanding of the relationship between the macroscopic properties of these industrially relevant materials and their molecular-level structures allows for the development of new applications and improvements in current performance. In many MOFs, the incorporated metal centers dictate the short- and long-range structure and porosity of the material. Here we demonstrate that solid-state NMR (SSNMR) spectroscopy targeting NMR-active metal centers at natural abundance, in concert with ab initio density functional theory (DFT) calculations and X-ray diffraction (XRD), is a powerful tool for elucidating the molecular-level structure of MOFs. 91 Zr SSNMR experiments on MIL-140A are paired with DFT calculations and geometry optimizations in order to detect inaccuracies in the reported powder XRD crystal structure. 115 In and 139 La SSNMR experiments on sets of related MOFs at two different magnetic fields illustrate the sensitivity of the 115 In/ 139 La electric field gradient tensors to subtle differences in coordination, bond length distribution, and ligand geometry about the metal center. 47/49 Ti SSNMR experiments reflect the presence or absence of guest solvent in MIL-125(Ti), and when combined with DFT calculations, these SSNMR experiments permit the study of local hydroxyl group configurations within the MOF channels. 67 Zn SSNMR experiments and DFT calculations are also used to explore the geometry near Zn within a set of four MOFs as well as local disordering caused by distributions of different linkers around the metal. SSNMR spectroscopy of metal centers offers an impressive addition to the arsenal of techniques for MOF characterization and is particularly useful in cases where XRD information may be ambiguous, incomplete, or unavailable.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 ».