作者肖恩·巴拉德，华盛顿大学圣路易斯分校
路易斯（号外乐团成员） 材料项目的相互关联的目标
学分:海斯实验室 核磁共振光谱学帮助化学家和其他科学家识别和探索原子结构
然而，核磁共振受限于用于比较和识别结构的参考数据目录的可用性
圣路易斯华盛顿大学艺术与科学化学系的新合作研究
路易斯、劳伦斯·伯克利国家实验室和加州大学伯克利分校材料科学与工程系利用量子化学方法为硅同位素29Si开发了额外的数据基础设施
硅因其在材料科学中的重要作用而显得尤为重要——它被用于电子半导体，在玻璃系统材料中无处不在——而且它是岩石和矿物的主要成分
这项研究发表在5月12日的《自然》杂志《npj计算材料》上
索菲娅·埃
化学教授、核磁共振波谱专家海斯比大多数人都更清楚核磁共振在分析材料结构方面有多强大
海斯对结合技术开拓新的研究途径并不陌生，她在实验室中使用核磁共振结合光学激发和检测方法来研究无机系统的结构和性质，包括半导体
在这项新工作中，海斯和合著者之一、劳伦斯·伯克利国家实验室的材料研究科学家和工程师希亚姆·德瓦拉克纳特利用尖端计算方法为29Si生成新的数据集，并确认其有效性
尽管目前硅的实验数据目录有限，但最近计算能力的提高使得模拟核磁共振数据的快速扩展超越了从现有数据的简单推断
该小组报告了两种先进计算工具的成功:维也纳从头模拟包(VASP)和剑桥系列总能量包(卡斯特普)
使用这些工具，他们通过计算生成硅核磁共振可测量值的预测值(数学表达为“张量”)，然后将生成的数据集与实验观察数据进行比较，并系统地校正机器生成的数据
计算值和实验报告值在核磁共振参数方面非常一致，预示着未来核磁共振分析的突破
由海斯和德瓦克纳特生成的清洁数据集，以及他们收集的软件工具，可通过材料项目作为共享本地光谱学数据基础设施(LSDI)数据库中的社区资源获得
“拥有如此大的数据集，可以对大量结构的计算参数进行比较，为机器学习开辟了道路，”该团队指出
“当核磁共振从业者使用LSDI数据集时，他们将能够将其实验测量结果与各种相关结构进行比较，这最终将有助于这些光谱的分配
这种类型的数据集可以开启固态核磁共振光谱学的下一个时代，包括实验设计的信息学方法
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
