在非磁性氧化物中高通量计算和机器学习建模17O NMR
Zhiyuan Li1, Bo Zhao1, Hongbin Zhang1
1TU Darmstadt, Otto-Berndt-Straße 3, 64287 Darmstadt, Germany. yixuan.zhang@tu-darmstadt.de.
氧-17 (17O) 固态NMR提供了独特的结构洞察力,但面临着挑战. 这项研究使用高通量计算和机器学习来预测超过7100个氧化物中的170个NMR参数,帮助未来的研究.
科学领域:
- 固态NMR光谱学 固态NMR光谱学
- 材料科学是一种材料科学.
- 计算化学是一种计算化学.
背景情况:
- 氧-17 (17O) NMR是对材料中的局部结构的敏感探测器,因为它具有独特的特性.
- 其他NMR应用受限于自然丰度低,缩成本低,以及信号处理方面的挑战.
- 像DFT和机器学习这样的计算方法为预测NMR参数提供了替代途径,但需要高质量的数据.
研究的目的:
- 建立一个高通量计算工作流来计算17个NMR参数.
- 为各种各样的氧化物构建一个包含17个NMR参数的综合数据集.
- 开发机器学习模型来预测基于局部晶体环境的NMR参数.
主要方法:
- 实现使用AiiDA和CASTEP进行密度函数理论 (DFT) 计算的高通量工作流.
- 从材料项目数据库中选择和计算超过7100种非磁性氧化物化合物的NMR参数.
- 应用各种描述符的机器学习技术来建模局部晶体结构和O NMR参数之间的关系.
主要成果:
- 在各种氧化物系统中成功执行了170个NMR参数的大规模计算选.
- 产生大量数据集,对培训和验证预测模型有价值.
- 展示机器学习能够从结构信息中预测17个NMR参数的能力.
结论:
- 开发的高吞吐量工作流允许对材料发现的17个NMR参数进行高效评估.
- 生成的数据和机器学习模型显著提高了对氧化物ONMR行为的预测和理解.
- 这种方法克服了实验性O NMR的局限性,促进了材料研究中的更广泛应用.
更多相关视频
09:25Author Spotlight: Exploring Intrinsically Disordered Protein Dynamics Through NMR Relaxation Experiments
Published on: November 1, 2024
07:24Paramagnetic Relaxation Enhancement for Detecting and Characterizing Self-Associations of Intrinsically Disordered Proteins
Published on: September 23, 2021
相关概念视频
2D NMR: Overview of Homonuclear Correlation Techniques
COSY90 is the standard two-dimensional (2D) COSY experiment that...
¹H NMR: Interpreting Distorted and Overlapping Signals
As Δν decreases and the signals move closer, the doublets appear increasingly distorted. The intensities of the inner lines increase at the cost of those of the outer lines as the signals are...
NMR Spectrometers: Overview
Nuclear Overhauser Enhancement (NOE)
2D NMR: Overview of Heteronuclear Correlation Techniques
Nuclear Magnetic Resonance (NMR): Overview
NMR spectroscopy generates a spectrum where the characteristic absorption frequencies of the sample are...
