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 Crystallography02:18

X-ray Crystallography

23.9K
The size of the unit cell and the arrangement of atoms in a crystal may be determined from measurements of the diffraction of X-rays by the crystal, termed X-ray crystallography.
Diffraction
Diffraction is the change in the direction of travel experienced by an electromagnetic wave when it encounters a physical barrier whose dimensions are comparable to those of the wavelength of the light. X-rays are electromagnetic radiation with wavelengths about as long as the distance between neighboring...
23.9K
X-ray Diffraction of Biological Samples01:10

X-ray Diffraction of Biological Samples

3.8K
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...
3.8K

También podría leer

Artículos Relacionados

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

Ordenar por
Same author

Spatial imaging of water oxidation on single-particle catalysts.

Nature nanotechnology·2026
Same author

Topological Data Analysis in Materials Science: Principles, Machine Learning Integration, and Application Landscapes.

Chemical reviews·2026
Same author

Splenic treg-related immunoregulation in the spleen-brain axis of alzheimer's disease: mechanisms and translational strategies.

Molecular biology reports·2026
Same author

Subsurface hydrogen as a hidden driver of copper surface reconstruction in CO<sub>2</sub> electroreduction.

National science review·2026
Same author

Exercise-induced modulation of astrocyte in Alzheimer's disease: mechanisms and therapeutic implications.

Frontiers in physiology·2026
Same author

SPOP-mediated K27-linked non-degradative ubiquitination of KCNN3 suppressing HCC progression via the CTCF-SATB1 axis.

Cell death & disease·2026
Same journal

Linker Engineering toward NIR-II Metal-Organic Framework with Maximal Emission beyond 1000 nm for Inflammatory Bowel Disease Imaging.

Journal of the American Chemical Society·2026
Same journal

Observing Kinetic Selectivity in Anthracene Photodimerization through Selective Quenching by Excited States of Proximate Rare Earth Cations.

Journal of the American Chemical Society·2026
Same journal

Sequence-Dependent Folding of Recognition-Encoded Melamine Oligomers.

Journal of the American Chemical Society·2026
Same journal

Large Thermo- and Mechanosalient Actuation via Cooperative Twist Elasticity-Induced Packing Motif Conversion.

Journal of the American Chemical Society·2026
Same journal

Discovery and Biosynthesis of Lanthipeptides Featuring an Azepinoindole Scaffold by Radical <i>S</i>-Adenosylmethionine Enzyme-Catalyzed C-C Bond Formation.

Journal of the American Chemical Society·2026
Same journal

Enantiopurity-Controlled Magnetism in a Two-Dimensional Organic-Inorganic Material.

Journal of the American Chemical Society·2026
Ver todos los artículos relacionados

Video Experimental Relacionado

Updated: Jul 1, 2025

Microfluidic Chips for In Situ Crystal X-ray Diffraction and In Situ Dynamic Light Scattering for Serial Crystallography
11:48

Microfluidic Chips for In Situ Crystal X-ray Diffraction and In Situ Dynamic Light Scattering for Serial Crystallography

Published on: April 24, 2018

14.7K

Asignación de la estructura cristalina para compuestos desconocidos a partir de patrones de difracción de rayos X con

Litao Chen1, Bingxu Wang1, Wentao Zhang1

  • 1School of Advanced Materials, Peking University, Shenzhen Graduate School, Shenzhen 518055, People's Republic of China.

Journal of the American Chemical Society
|March 13, 2024
PubMed
Resumen
Este resumen es generado por máquina.

Un nuevo modelo de aprendizaje profundo automatiza el análisis de la estructura de los materiales utilizando patrones de difracción de rayos X (XRD). Esta herramienta computacional ayuda a identificar estructuras compuestas desconocidas, acelerando el descubrimiento de materiales en la experimentación de alto rendimiento.

Más Videos Relacionados

Author Spotlight: Advancing Protein Structure Analysis for Drug Development
07:08

Author Spotlight: Advancing Protein Structure Analysis for Drug Development

Published on: March 8, 2024

3.5K
Sample Preparation and Transfer Protocol for In-Vacuum Long-Wavelength Crystallography on Beamline I23 at Diamond Light Source
10:32

Sample Preparation and Transfer Protocol for In-Vacuum Long-Wavelength Crystallography on Beamline I23 at Diamond Light Source

Published on: April 23, 2021

2.7K

Videos de Experimentos Relacionados

Last Updated: Jul 1, 2025

Microfluidic Chips for In Situ Crystal X-ray Diffraction and In Situ Dynamic Light Scattering for Serial Crystallography
11:48

Microfluidic Chips for In Situ Crystal X-ray Diffraction and In Situ Dynamic Light Scattering for Serial Crystallography

Published on: April 24, 2018

14.7K
Author Spotlight: Advancing Protein Structure Analysis for Drug Development
07:08

Author Spotlight: Advancing Protein Structure Analysis for Drug Development

Published on: March 8, 2024

3.5K
Sample Preparation and Transfer Protocol for In-Vacuum Long-Wavelength Crystallography on Beamline I23 at Diamond Light Source
10:32

Sample Preparation and Transfer Protocol for In-Vacuum Long-Wavelength Crystallography on Beamline I23 at Diamond Light Source

Published on: April 23, 2021

2.7K

Área de la Ciencia:

  • Ciencias de los materiales
  • Química computacional
  • La cristalografía

Sus antecedentes:

  • La determinación de las estructuras cristalinas a partir de datos experimentales es vital para la ciencia de los materiales.
  • Los métodos actuales a menudo requieren una amplia experiencia en el dominio, lo que dificulta la automatización.
  • La automatización de la identificación de la estructura es crucial para el descubrimiento de materiales de alto rendimiento.

Objetivo del estudio:

  • Desarrollar un modelo de aprendizaje profundo para la identificación automatizada de tipos de estructura cristalina a partir de caracterizaciones experimentales.
  • Superar las limitaciones del análisis manual de la estructura y la dependencia de la experiencia en el campo.
  • Permitir un análisis eficiente de los materiales de la experimentación de alto rendimiento.

Principales métodos:

  • Utilizó un modelo de aprendizaje profundo que combina redes neuronales residuales convolucionales.
  • Entrenado y validado el modelo en un conjunto de datos de más de 60.000 compuestos en 100 tipos de estructura.
  • Analizó la interpretabilidad del modelo para entender cómo cuantifica la semejanza estructural.

Principales resultados:

  • El modelo de aprendizaje profundo identifica con precisión los tipos de estructura cristalina a partir de los patrones de difracción de rayos X (XRD).
  • El modelo puede integrar tipos de estructuras adicionales sin reentrenamiento.
  • El modelo cuantifica la semejanza en función de las características locales y globales en los patrones XRD.

Conclusiones:

  • Se ha desarrollado una nueva herramienta computacional para el análisis automatizado de la estructura de los materiales.
  • Este enfoque reduce significativamente la dependencia del conocimiento experto para la determinación de la estructura.
  • La herramienta facilita el análisis rápido de nuevos materiales generados mediante métodos de alto rendimiento.