MétaCan
Menu
Retour à la cohorte
Enregistrement W2800294174 · doi:10.1002/mrc.4748

NMR crystallography of zeolites: How far can we go without diffraction data?

2018· article· en· W2800294174 sur OpenAlexaff
Darren H. Brouwer, Jared Van Huizen

Notice bibliographique

RevueMagnetic Resonance in Chemistry · 2018
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced NMR Techniques and Applications
Établissements canadiensRedeemer University
Organismes subventionnairesnon disponible
Mots-clésNuclear magnetic resonance crystallographyChemistryDiffractionNuclear magnetic resonance spectroscopyCrystallographySolid-state nuclear magnetic resonanceCarbon-13 NMR satelliteSpectroscopyTetramethylammoniumX-ray crystallographyFluorine-19 NMRNuclear magnetic resonanceOrganic chemistryPhysicsOptics

Résumé

récupéré en direct d'OpenAlex

Nuclear magnetic resonance (NMR) crystallography—an approach to structure determination that seeks to integrate solid‐state NMR spectroscopy, diffraction, and computation methods—has emerged as an effective strategy to determine structures of difficult‐to‐characterize materials, including zeolites and related network materials. This paper explores how far it is possible to go in determining the structure of a zeolite framework from a minimal amount of input information derived only from solid‐state NMR spectroscopy. It is shown that the framework structure of the fluoride‐containing and tetramethylammonium‐templated octadecasil clathrasil material can be solved from the 1D 29 Si NMR spectrum and a single 2D 29 Si NMR correlation spectrum alone, without the space group and unit cell parameters normally obtained from diffraction data. The resulting NMR‐solved structure is in excellent agreement with the structures determined previously by diffraction methods. It is anticipated that NMR crystallography strategies like this will be useful for structure determination of other materials, which cannot be solved from diffraction methods alone.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,632
Score d'incertitude au seuil0,935

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0010,000
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 Opus0,020
Tête enseignante GPT0,282
Écart entre enseignants0,263 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations14
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMagnetic Resonance in ChemistryMême sujetAdvanced NMR Techniques and ApplicationsTravaux en français237 207