arrow
返回

Machine learning in NMR spectroscopy

delete2025-07-01
delete0
PRE
AI
P
Piotr Klukowski *
R
Roland Riek *
P
Peter Güntert *
DOI:10.1016/j.pnmrs.2025.101575delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
• 机器学习可以提升NMR数据采集、处理、信号检测和分析。 • 机器学习方法、设计选择以及NMR相关的关键公开可用数据仓库。 • 机器学习领域的主要趋势和新兴方向,能够推动该领域的研究进展。
Keyword:
NMR spectroscopy
Machine learning
Deep learning
Automated spectrum analysis
Peak picking
Chemical shift assignment
Structure determination
Chemical shift prediction
Non-uniform sampling
AI总结

AI总结

对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。

期刊

Progress in Nuclear Magnetic Resonance Spectroscopy 封面图
Progress in Nuclear Magnetic Resonance Spectroscopy
IF:
8.2
论文数:
528
被引数:
2.7K

机构

E
ETH Zurich
学者数:
3.0W
论文数: 2.4W
被引数: 8.4W
引用论文

引用论文

err2003-01-01
err0
PREAI
errStephen Neal
err分享
err收藏
err分享
err收藏
Neural networks for the peak-picking of nuclear magnetic resonance spectra
err1993-01-01
err0
PREAI
errEnrico A. Carrara; Franco Pagliari; Claudio Nicolini
err分享
err收藏
NMR side-chain assignments of the Crimean–Congo hemorrhagic fever virus glycoprotein n cytosolic domain
err2024-07-08
err0
errOAAI
errLouis Brigandat; Maëlys Laux; Caroline Marteau; Laura Cole; Anja Böckmann; Lauriane Lecoq; Marie-Laure Fogeron; Morgane Callon
err分享
err收藏
err分享
err收藏
err分享
err收藏
学者 查看更多内容