Low-Dose Electron Crystallography: Structure Solution and Refinement
Notice bibliographique
Résumé
There is a wealth of materials that are beam sensitive and only exist in nanometric crystals, because the growth of bigger crystals is either impossible or so complicated that it is not reasonable to spend enough time and resources to grow big crystals before knowing their potential for research or applications. This difficulty is encountered in minerals, zeolites, metal-organic frameworks or molecular crystals, including pharmaceuticals and biological crystals. In order to study these crystals a structure determination method for beam sensitive crystals of nanometric size is needed. The nanometric size makes them destined for electron diffraction, since electrons interact much more strongly with matter than X-rays or neutrons. In addition, for the same amount of beam damage, electron diffraction yields more information than X-rays. The recently developed low-dose electron diffraction tomography (LD-EDT) not only combines the advantages inherent in electron diffraction, but is also optimized for minimizing the electron dose used for the data collection. The data quality is high, allowing not only the solution of complex unknown structures, but also their refinement taking into account the dynamical diffraction effects. Here we present several examples of crystals solved and refined by this method. The range of the crystals presented includes two synthetic oxides, Sr5CuGe9O24 and (Na2/3Mn1/3)3Ge5O12, a natural mineral (bulachite), and a metal organic framework (Mn-formiate). The dynamical refinement can be successfully performed on data sets that needed less than 0.1 e−/Å2 for the entire data set.
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 ».