MétaCan
Menu
Retour à la cohorte
Enregistrement W2802941495 · doi:10.1002/cmr.a.21412

Solid‐state nuclear magnetic resonance and nuclear quadrupole resonance as complementary tools to study quadrupolar nuclei in solids

2016· article· en· W2802941495 sur OpenAlexafffund
Patrick M. J. Szell, David L. Bryce

Notice bibliographique

RevueConcepts in Magnetic Resonance Part A · 2016
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced NMR Techniques and Applications
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNational Research Council CanadaNatural Sciences and Engineering Research Council of CanadaBruker BioSpinFonds National de la Recherche LuxembourgNational High Magnetic Field LaboratoryUniversity of OttawaNational Science Foundation
Mots-clésNuclear quadrupole resonanceElectric field gradientSolid-state nuclear magnetic resonanceNuclear magnetic resonanceQuadrupoleNuclear magnetic resonance spectroscopySpectroscopySolid-stateElectromagnetic shieldingMaterials scienceResonance (particle physics)ChemistryCondensed matter physicsPhysical chemistryPhysicsAtomic physics

Résumé

récupéré en direct d'OpenAlex

Abstract Solid‐state nuclear magnetic resonance (SSNMR) spectroscopy has largely overtaken nuclear quadrupole resonance (NQR) spectroscopy for the study of quadrupolar nuclei. In addition to information on the electric field gradient, SSNMR spectra may offer additional information concerning other NMR interactions such as magnetic shielding. With continued technological advances contributing to developments such as higher magnetic fields, SSNMR boasts several practical advantages over NQR. However, NQR is still a relevant technique, as it may often be the most practical approach in cases of extremely large quadrupolar coupling constants. Here, we discuss the advantages and disadvantages of SSNMR and NQR spectroscopies, with the quadrupolar halogens serving as examples. The purpose of this article is to serve as a guide on using SSNMR and NQR as complementary tools, covering some of their practicalities, limitations, and experimental challenges.

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)0,002
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,021
Tête enseignante GPT0,327
Écart entre enseignants0,306 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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

En bref

Citations39
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueConcepts in Magnetic Resonance Part AMême sujetAdvanced NMR Techniques and ApplicationsTravaux en français237 207