Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

X-ray Diffraction of Biological Samples01:10

X-ray Diffraction of Biological Samples

3.9K
X-ray diffraction or XRD is an analytical tool that utilizes X-rays to study ordered structures such as crystalline organic and inorganic samples, polycrystalline materials, proteins, carbohydrates, and drugs.
According to Bragg's law, when X-rays strike the sample positioned on a stage, the rays are  scattered by the electron clouds around the sample atoms. The  X-ray diffraction or scattering is caused by constructive interference of the X-ray waves that reflect off the internal...
3.9K
Atomic Force Microscopy01:08

Atomic Force Microscopy

3.1K
Atomic force microscopy (AFM) is a type of scanning probe microscopy that can analyze topographic details of various specimens like ceramics, glass, polymers, and biological samples. AFM offers over 1000 times more resolution than the optical imaging system. Images generated from AFM are three-dimensional surface profiles, offering an advantage over the flat, two-dimensional images from other imaging techniques.
The AFM Probe
The probe is regarded as the heart of any AFM setup and comprises the...
3.1K

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Pyridinium amidate (PYA) substituents impact ligand-centered hydride formation and (catalytic) hydride transfer reactivity.

Dalton transactions (Cambridge, England : 2003)·2026
Same author

Data-efficient multidimensional free energy estimation via physics-informed score learning.

The Journal of chemical physics·2026
Same author

An exciting Approach to Theoretical Spectroscopy.

Advanced science (Weinheim, Baden-Wurttemberg, Germany)·2026
Same author

Mapping the Molecular Universe: Exploring Chemical Compound Space by Multiscale High-Throughput Screening and Machine Learning.

Journal of chemical information and modeling·2026
Same author

Exploring the third dimension in quantum confinement of surface electrons.

Science advances·2026
Same author

Detecting the full photoemission cone from laser-based ARPES experiments by leveraging deflector technology.

The Review of scientific instruments·2026

Video Experimental Relacionado

Updated: May 5, 2026

Polymer Microarrays for High Throughput Discovery of Biomaterials
13:37

Polymer Microarrays for High Throughput Discovery of Biomaterials

Published on: January 25, 2012

14.7K

Datos FAIR que abren nuevos horizontes para la investigación de materiales

Matthias Scheffler1,2, Martin Aeschlimann3, Martin Albrecht4

  • 1Physics Department and IRIS Adlershof, Humboldt-Universität zu Berlin, Berlin, Germany.

Nature
|April 28, 2022
PubMed
Resumen
Este resumen es generado por máquina.

Hacer que los datos de investigación sean accesibles, interoperables y reutilizables (FAIR) es crucial para el avance de la ciencia de los materiales. La preparación de datos para el análisis de inteligencia artificial (IA) transformará el descubrimiento científico.

Más Videos Relacionados

Advanced Experimental Methods for Low-temperature Magnetotransport Measurement of Novel Materials
10:36

Advanced Experimental Methods for Low-temperature Magnetotransport Measurement of Novel Materials

Published on: January 21, 2016

10.7K
Author Spotlight: Advancing Knowledge in Far-From-Equilibrium Materials Through Light-Sheet Microscopy
08:32

Author Spotlight: Advancing Knowledge in Far-From-Equilibrium Materials Through Light-Sheet Microscopy

Published on: January 26, 2024

2.5K

Videos de Experimentos Relacionados

Last Updated: May 5, 2026

Polymer Microarrays for High Throughput Discovery of Biomaterials
13:37

Polymer Microarrays for High Throughput Discovery of Biomaterials

Published on: January 25, 2012

14.7K
Advanced Experimental Methods for Low-temperature Magnetotransport Measurement of Novel Materials
10:36

Advanced Experimental Methods for Low-temperature Magnetotransport Measurement of Novel Materials

Published on: January 21, 2016

10.7K
Author Spotlight: Advancing Knowledge in Far-From-Equilibrium Materials Through Light-Sheet Microscopy
08:32

Author Spotlight: Advancing Knowledge in Far-From-Equilibrium Materials Through Light-Sheet Microscopy

Published on: January 26, 2024

2.5K

Área de la Ciencia:

  • Física de la materia condensada
  • Ciencias de los materiales
  • Química

Sus antecedentes:

  • El progreso de la sociedad depende de los avances en la ciencia de los materiales, que afectan a los sectores de la energía, la salud y las TI.
  • Se generan diariamente grandes cantidades de datos de investigación que tienen un valor potencial significativo.
  • Las prácticas actuales de datos limitan la utilidad de estos datos de investigación, lo que dificulta la extracción de conocimientos.

Objetivo del estudio:

  • Discutir la necesidad de una infraestructura de datos FAIR para la ciencia de los materiales.
  • Explorar cómo transformar los datos brutos de la investigación en conocimiento valioso.
  • Preparar el campo de la ciencia de los materiales para el descubrimiento basado en datos utilizando IA.

Principales métodos:

  • Discutir los principios de la gestión de datos FAIR.
  • Destacando el papel del análisis de datos y la inteligencia artificial (IA).
  • Proponer estrategias para hacer que los datos de la ciencia de los materiales sean "encontrables y listos para la IA".

Principales resultados:

  • La infraestructura de datos FAIR es esencial para desbloquear el valor de los datos de investigación.
  • El análisis de datos y la IA pueden refinar los datos de investigación en conocimiento procesable.
  • Se necesita un enfoque proactivo para la preparación de datos para futuros esfuerzos científicos.

Conclusiones:

  • La aplicación de los principios de datos FAIR es fundamental para la innovación en la ciencia de los materiales.
  • Hacer que los datos sean "encontrables y listos para la IA" revolucionará la investigación científica.
  • El campo debe adaptarse a las nuevas metodologías centradas en los datos para seguir progresando.