MétaCan
Menu
Retour à la cohorte
Enregistrement W2768375180 · doi:10.1002/jcc.25102

Quantum crystallography: A perspective

2017· article· en· W2768375180 sur OpenAlexafffund
Lou Massa, Chérif F. Matta

Notice bibliographique

RevueJournal of Computational Chemistry · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueEnzyme Structure and Function
Établissements canadiensMount Saint Vincent UniversityDalhousie University
Organismes subventionnairesCanada Foundation for InnovationMount Saint Vincent UniversityU.S. Naval Research LaboratoryNatural Sciences and Engineering Research Council of CanadaGeorgetown University
Mots-clésQuantumAntisymmetryScatteringDensity matrixFormalism (music)Wave functionIdempotencePhysicsQuantum mechanicsTheoretical physicsCrystallographyChemistryMathematicsPure mathematics

Résumé

récupéré en direct d'OpenAlex

Extraction of the complete quantum mechanics from X-ray scattering data is the ultimate goal of quantum crystallography. This article delivers a perspective for that possibility. It is desirable to have a method for the conversion of X-ray diffraction data into an electron density that reflects the antisymmetry of an N-electron wave function. A formalism for this was developed early on for the determination of a constrained idempotent one-body density matrix. The formalism ensures pure-state N-representability in the single determinant sense. Applications to crystals show that quantum mechanical density matrices of large molecules can be extracted from X-ray scattering data by implementing a fragmentation method termed the kernel energy method (KEM). It is shown how KEM can be used within the context of quantum crystallography to derive quantum mechanical properties of biological molecules (with low data-to-parameters ratio). © 2017 Wiley Periodicals, Inc.

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)0,005
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,012
Communication savante0,0050,008
Science ouverte0,0020,003
Intégrité de la recherche0,0040,008
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,012
Tête enseignante GPT0,272
Écart entre enseignants0,261 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

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

En bref

Citations44
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Computational ChemistryMême sujetEnzyme Structure and FunctionTravaux en français237 207