权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Collaborative Computational Project in NMR Crystallography

核磁共振晶体学合作计算项目

基本信息

批准号：
EP/M022501/1
负责人：
Jonathan Yates
金额：
$ 28.32万
依托单位：
University of Oxford
依托单位国家：
英国
项目类别：
Research Grant
财政年份：
2015
资助国家：
英国
起止时间：
2015 至无数据
项目状态：
已结题

来源：
https://gtr.ukri.org/projects?ref=EP%2FM022501%2F1
关键词：
Collaborative Computational Project NMR Crystallography

项目摘要

Solid-state nuclear magnetic resonance (NMR) is capable of providing extremely detailed insights into the structure and dynamics of a wide range of materials - from organic systems such as pharmaceutical compounds and supramolecular arrays to inorganic materials for next-generation batteries and safe storage of nuclear waste. Such information is crucial for harnessing the properties of increasingly complex new materials, needed to address major challenges across the physical sciences. However, the true potential of this experimental technique is only realized through combination with advanced computational methods. These range from first-principles electronic structure predictions of the key NMR interaction tensors through to the simulation of nuclear spin interactions for direct comparison with experimental spectra. In tackling challenging problems, the emerging field of NMR Crystallography also benefits from close interaction with the related methods of powder X-ray diffraction and crystal structure prediction.The Collaborative Computational Project for NMR Crystallography supports a multidisciplinary community of NMR spectroscopists, crystallographers, materials modellers and application scientists, both within academia and industry. We develop overarching software tools enabling a largely experimentally focused community to deploy advanced computational techniques.

固态核磁共振（NMR）能够提供对各种材料的结构和动力学的极其详细的见解-从有机系统（如药物化合物和超分子阵列）到用于下一代电池和安全储存核废料的无机材料。这些信息对于利用日益复杂的新材料的特性至关重要，这些材料是应对物理科学重大挑战所必需的。然而，这种实验技术的真正潜力只有通过与先进的计算方法相结合才能实现。这些范围从第一原理的电子结构预测的关键NMR相互作用张量通过模拟核自旋相互作用与实验光谱直接比较。在解决具有挑战性的问题时，新兴的NMR晶体学领域也受益于与粉末X射线衍射和晶体结构预测相关方法的密切互动。NMR晶体学合作计算项目支持学术界和工业界的NMR光谱学家，晶体学家，材料建模师和应用科学家的多学科社区。我们开发了总体软件工具，使一个主要以实验为重点的社区能够部署先进的计算技术。

项目成果

期刊论文数量（10）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Ultrasoft pseudopotentials with kinetic energy density support: Implementing the Tran-Blaha potential

DOI：
10.1103/physrevb.99.235103
发表时间：
2019-01
期刊：
Physical Review B
影响因子：
3.7
作者：
A. P. Bart'ok;J. Yates
通讯作者：
A. P. Bart'ok;J. Yates

Tin chemical shift anisotropy in tin dioxide: On ambiguity of CSA asymmetry derived from MAS spectra.

二氧化锡中的锡化学位移各向异性：来自 MAS 光谱的 CSA 不对称性的模糊性。

DOI：
10.1016/j.ssnmr.2017.11.002
发表时间：
2018
期刊：
Solid state nuclear magnetic resonance
影响因子：
3.2
作者：
Aliev AE
通讯作者：
Aliev AE

Machine Learning a General-Purpose Interatomic Potential for Silicon

DOI：
10.1103/physrevx.8.041048
发表时间：
2018-12-14
期刊：
PHYSICAL REVIEW X
影响因子：
12.5
作者：
Bartok, Albert P.;Kermode, James;Csanyi, Gabor
通讯作者：
Csanyi, Gabor

Regularized SCAN functional

DOI：
10.1063/1.5094646
发表时间：
2019-04-28
期刊：
JOURNAL OF CHEMICAL PHYSICS
影响因子：
4.4
作者：
Bartok, Albert P.;Yates, Jonathan R.
通讯作者：
Yates, Jonathan R.

Design and Kinematic Analysis of Cable-Driven Target Spray Robot for Citrus Orchards

DOI：
10.3390/app12189379
发表时间：
2022-09
期刊：
Applied Sciences
影响因子：
0
作者：
Xiulan Bao;Yuxin Niu;Yishu Li;Jincheng Mao;Shanjun Li;Xiaojie Ma;Q. Yin;Biyu Chen
通讯作者：
Xiulan Bao;Yuxin Niu;Yishu Li;Jincheng Mao;Shanjun Li;Xiaojie Ma;Q. Yin;Biyu Chen