MétaCan
Menu
Retour à la cohorte
Enregistrement W2622087580 · doi:10.1002/cphc.201700299

In Silico Design of DNP Polarizing Agents: Can Current Dinitroxides Be Improved?

2017· article· en· W2622087580 sur OpenAlexfundno aff
Frédéric A. Perras, Aaron D. Sadow, Marek Pruski

Notice bibliographique

RevueChemPhysChem · 2017
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced NMR Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Science FoundationGovernment of CanadaIowa State UniversityLaboratory Directed Research and DevelopmentU.S. Department of Energy
Mots-clésIn silicoCurrent (fluid)ChemistryNanotechnologyMaterials scienceEngineeringBiochemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Numerical calculations of enhancement factors offered by dynamic nuclear polarization in solids under magic angle spinning (DNP‐MAS) were performed to determine the optimal EPR parameters for a dinitroxide polarizing agent. We found that the DNP performance of a biradical is more tolerant to the relative orientation of the two nitroxide moieties than previously thought. Generally, any condition in which the gyy tensor components of both radicals are perpendicular to one another is expected to have near‐optimal DNP performance. Our results highlight the important role of the exchange coupling, which can lessen the sensitivity of DNP performance to the inter‐radical distance, but also lead to lower enhancements when the number of atoms in the linker becomes less than three. Lastly, the calculations showed that the electron T1e value should be near 500 μs to yield optimal performance. Importantly, the newest polarizing agents already feature all of the qualities of the optimal polarizing agent, leaving little room for further improvement. Further research into DNP polarizing agents should then target non‐nitroxide radicals, as well as improvements in sample formulations to advance high‐temperature DNP and limit quenching and reactivity.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,338
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations48
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemPhysChemMême sujetAdvanced NMR Techniques and ApplicationsTravaux en français237 207