Relaxation-Assisted Separation of Overlapping Patterns in Ultra-Wideline NMR Spectra
Notice bibliographique
Résumé
Efficient acquisition of high-quality ultra-wideline (UW) solid-state NMR powder patterns in short experimental time frames is challenging. UW NMR powder patterns often possess inherently low signal-to-noise (S/N) and usually overlap for samples containing two or more magnetically distinct nuclides, which obscures spectral features and drastically lowers the spectral resolution. Currently, there is no reliable method for resolving overlapping powder patterns originating from unreceptive nuclei affected by large anisotropic NMR interactions. Herein, we discuss new methods for resolving individual UW NMR spectra associated with magnetically distinct nuclei by exploiting their different relaxation characteristics using 2D relaxation-assisted separation (RAS) experiments. These experiments use a non-negative Tikhonov fitting (NNTF) routine to process high-quality T 1 and T 2 eff relaxation data sets to produce high-resolution, 2D spin-relaxation correlation spectra for both spin-1/2 and quadrupolar nuclei in organic and organometallic solids under static ( i.e ., stationary) conditions. It is found that (i) T 2 eff RAS data sets can be acquired in a fraction of the time required for analogous T 1 RAS data sets, because a time-incremented 2D data set is not required for the former, and (ii) Tikhonov regularization is superior to conventional non-negative least-squares fitting, as it more reliably and robustly results in cleaner separation of patterns based on relaxation time constants.
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 | 0,000 |
| 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 ».