Highly Accurate Prediction of NMR Chemical Shifts from Low-Level Quantum Mechanics Calculations Using Machine Learning
针对高精度NMR化学位移预测计算成本高、机器学习方法泛化性差的问题，提出以低水平量子力学中间结果为特征的iShiftML算法，结合渐进主动学习，实现低成本高精度预测，可区分天然产物非对映异构体。
2023-06-14 physics.chem-ph
Unravelling Chemical Exchanges Through Steady State Free Precession NMR
Weizmann Institute of Science（魏茨曼科学研究所）
本文利用稳态自由进动（SSFP）实验，通过其偏移依赖的激发和饱和曲线以及重复时间依赖性，同时获取交换位点的化学位移、布居数和多种交换速率信息。
2026-05-24 physics.chem-ph
On the Geometry Dependence of the NMR Chemical Shift of Mercury in Thiolate Complexes: A Relativistic DFT Study
本文通过相对论DFT计算研究硫醇盐汞配合物中199Hg NMR屏蔽常数的几何依赖性，发现Hg-S距离是主要影响因素，并验证ZORA方法在NMR化学位移计算中的适用性。
2023-12-20 physics.chem-ph
Quantum-corrected NMR crystallography at scale
École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
本研究提出量子核修正方法，通过机器学习模型提升氢键质子的化学位移预测精度，无需经验修正，并扩展至非晶材料的模拟。
2026-08-24 physics.chem-ph
Impact of noise on inverse design: The case of NMR spectra matching
该研究通过约束化学搜索空间来降低NMR谱匹配的模糊性，发现结合13C和1H位移可使允许的预测误差加倍，并大幅减少训练数据需求，为逆结构解析提供了高效算法。
2023-10-16 physics.chem-ph
On the Potential of Fourier-Encoded Saturation Transfers for Sensitizing Solid-State Magic-Angle Spinning NMR Experiments
化学交换饱和转移（CEST）被广泛用于增强磁稀释自旋池的溶液NMR特征;特别是在低浓度下与丰富的自旋池进行化学交换的物质。CEST的主要特点是编码，然后检测磁稀释的自旋池的弱NMR信号，磁丰富的自旋池更容易检测-例如H2O的质子。受此启发，我们提出并验证了一种提高魔角旋转（MAS）固体核磁共振谱灵敏度的方法。我们的建议使用丰富的1H水库中产生的有机固体磁性丰富的自旋池，并依赖于质子自旋扩散代替化学交换介导的磁性稀释的自旋池和这个磁性丰富的自旋报告之间的极化转移。作为这个想法的初步测试，我们的目标是自然丰富的13 C的光谱，并依赖于傅立叶编码版本的CEST实验，以实现宽带与MAS和异源去耦协调-功能通常不存在于CEST。因此，多个13 C位点的任意演变可以被印在整个1H库上，随后被检测到。理论预测表明，以这种方式应该可以实现数量级的信号增强-在13 C和1H水库丰度之间的比例的数量级上。在魔角纺纱条件下进行的实验证明了这一点。5- 10倍增强。进一步的机会和挑战中出现的傅立叶编码饱和转移（FEST）MAS NMR方法进行了简要讨论。
2021-10-28 physics.chem-ph
A Bayesian approach to NMR crystal structure determination
核磁共振（NMR）光谱特别适合于确定粉末形式的分子和材料的结构。结构测定通常通过寻找实验观察到的NMR化学位移与候选结构之间的最佳匹配来进行。候选构型的化学位移传统上是通过电子结构方法计算的，最近则是通过机器学习预测的。然而，确定的可靠性取决于预测的偏移中的误差。在这里，我们提出了一个贝叶斯框架，用于确定实验晶体结构的识别的信心，在电子结构方法中的典型错误的知识的基础上。我们还扩展了最近开发的ShiftML机器学习模型，包括评估其预测的不确定性。本文介绍了六种有机分子晶体结构的测定方法。我们严格评估的结构测定的可靠性，促进了引入可视化的候选配置之间的相似性，在他们的化学位移和他们的结构。我们还表明，通常使用的值计算$^{13}$ C移位的错误被低估，更准确，自洽确定的不确定性使得有可能使用$^{13}$ C移位，以提高结构测定的准确性。
2019-11-12 physics.chem-ph
Synergies between Hyperpolarized NMR and Microfluidics: A Review
超极化核磁共振和芯片实验室微流体是两个动态的，但直到最近相当不同的研究领域。这两个领域最近的事态发展增加了它们的协同重叠。通过微流体集成，许多复杂的实验步骤可以集中在一个平台上。因此，微流体装置越来越多地应用于医学诊断、法医分析和生物医学研究。特别是，它们为培养细胞、细胞聚集体甚至整个器官的功能模型提供了新的、强大的方法。核磁共振是一种非侵入性的高分辨率光谱技术，可实现具有化学特异性的实时过程监测。它非常适合观察微流体系统中的代谢和其他生物和化学过程。然而，其固有的低灵敏度限制了其应用。核超极化技术的最新进展可能会改变这一点：在特殊情况下，可以将NMR信号增强高达5个数量级，这极大地扩展了NMR在微流体系统中的应用。同时，超极化需要复杂的化学和/或物理操作，这反过来可以受益于微流体实现。事实上，许多超极化方法依赖于在微观尺度上更有效的过程，例如分子扩散、电磁辐射渗透到样品中或表面上的受限分子流动性。在这篇综述中，我们研究了超极化增强NMR和微流体领域之间的融合，并评估这些研究领域如何相互受益，并将继续这样做。
2021-09-28 physics.chem-ph
Paramagnetic NMR chemical shift in a spin state subject to zero-field splitting
我们推导出了一个开壳层分子在纯自旋态下的顺磁核磁共振核屏蔽张量的一般公式。我们的发现与先前的提议相矛盾。我们提出了一个简单的应用程序的新导出的公式的情况下，三重态基态分裂的易平面自旋哈密顿量。当$kT$远小于居里带隙时，因此单个非简并能级被热填充，我们的方法正确地预测了与温度无关的顺磁位移，而先前的理论导致居里温度依赖性。
2012-12-16 physics.atm-clus physics.chem-ph
NMR chemical shift as analytical derivative of the Helmholtz free energy
本文提出了一个任意电子结构分子的核磁屏蔽张量随温度变化的理论。该理论是拉姆齐闭壳层分子理论的推广。屏蔽张量被定义为与外加磁场和核磁矩平衡的电子系统的亥姆霍兹自由能的二阶导数。这个衍生物的分析评估，并表示为一个国家的总和公式。特别考虑了具有孤立简并基态的系统，其中简并度的大小和波函数的组成是任意的。在这种情况下，屏蔽张量的顺磁部分用简并态EPR自旋哈密顿量的$g$和$A$张量表示。作为所提出的理论的一个例证，我们提供了一个明确的公式为中心的镧系离子的顺磁位移的内嵌富勒烯Ln@C $_{60}$，其中Ln=Ce $^{3+}$，Nd $^{3+}$，Sm $^{3+}$，Dy $^{3+}$，Er $^{3+}$和Yb $^{3+}$，其中基态可以是强自旋-轨道耦合的二十面体六重态，其顺磁位移不能由先前的理论描述。
2012-11-26 physics.chem-ph
Interaction frames in solid-state NMR: A case study for chemical-shift-selective irradiation schemes
本文以频率选择性偶极重耦为案例，比较固态 NMR 中不同相互作用绘景的构成、优缺点及其对哈密顿量分析和理论收敛的影响。
2022-07-12 physics.chem-ph
Molecular origin of 31P-NMR chemical shifts of phosphate groups with bivalent counter ions
Ludwig-Maximilians-Universität München（慕尼黑大学）
研究揭示了磷酸基团与二价反离子相互作用对31P-NMR化学位移的影响机制，通过理论与实验结合的方法，阐明了接触离子对形成对σiso(31P)的平均位移及温度依赖性。
2026-02-06 physics.chem-ph
Protein Chemical Shift Prediction
蛋白质化学位移包含了大量关于蛋白质三维结构的信息。一些化学位移预测的基础上解决与X射线晶体学和相应的实验化学位移的结构之间的关系已经开发。这些经验预测是非常准确的X射线结构，但往往是不敏感的小结构变化。为了克服这一限制，有人建议基于量子力学（QM）计算来制作化学位移预测器。在这篇论文中，QM衍生的化学位移预测器Procs 14的发展。Procs 14基于对三肽的235万次密度泛函理论（DFT）计算，并包含对氢键、环电流以及前一个和后一个残基的影响的校正。Procs 14能够对13 CA、13 CB、13 CO、15 NH、1HN和1HA骨架原子进行预测。为了对Procs 14进行基准测试，对完整的蛋白质结构进行了许多QM NMR计算。在测试的经验和QM导出的预测值中，Procs 14以最高的准确度再现了QM化学位移。与QM导出的预测器CheShift-2在X射线结构和NMR系综上与实验化学位移数据的比较表明，Procs 14预测化学位移的准确性最好。NMR合奏的预测表现出最好的性能。这表明，未来的工作可能会受益于使用集成采样时进行模拟的蛋白质折叠与化学位移。Procs 14是在马尔可夫链蒙特卡罗蛋白质折叠框架PHAISTOS中实现的。Procs 14的计算效率实现允许快速预测，因此可能用于蛋白质结构的改进和折叠。
2014-09-23 physics.chem-ph
Carbohydrate NMR chemical shift predictions using E(3) equivariant graph neural networks
RISE Research Institutes of Sweden（瑞典RISE研究院）；Uppsala University（乌普萨拉大学）；Stockholm University（斯德哥尔摩大学）
本研究提出利用E(3)等变图神经网络预测碳水化合物NMR化学位移，相比传统二维模型误差降低最高达三倍，在有限数据下表现优异，为波谱学数据驱动分析提供新方法。
2023-11-21 cs.LG physics.chem-ph
A Multi-Resolution 3D-DenseNet for Chemical Shift Prediction in NMR Crystallography
我们开发了一种用于分子晶体中原子化学位移预测的深度学习算法，该算法利用原子中心高斯密度模型来表示分子的3D数据。我们定义了多个通道，这些通道描述了每种原子类型的不同空间分辨率，这些原子类型利用裁剪、合并和级联来创建多分辨率3D-DenseNet架构（MR-3D-DenseNet）。由于训练和测试时间与样本数量呈线性关系，MR-3D-DenseNet可以利用考虑化学位移旋转不变性的数据增强，从而将训练数据集的大小增加一个数量级，而无需额外成本。我们获得了非常好的协议，13 C，15 N，和17 O化学位移，与最高的准确度为1H化学位移，相当于最好的预测，使用从头算量子化学方法。
2019-05-31 physics.chem-ph physics.comp-ph
NMR shift prediction from small data quantities
Tartu University（塔尔图大学）；Leipzig University（莱比锡大学）
针对杂核等数据不足场景，提出一种新型机器学习模型，仅需较少数据即可准确预测特定溶剂中小分子的19F和13C NMR化学位移。
2023-04-06 cs.LG physics.chem-ph
Direct deduction of chemical class from NMR spectra
University of Tartu（塔尔图大学）；De Montfort University（德蒙福特大学）；Mestrelab Research, S.L.（Mestrelab研究有限公司）；University of Limerick（利默里克大学）；Swansea University（斯旺西大学）；Universidade Federal do Rio de Janeiro（里约热内卢联邦大学）
本文提出了一种直接从核磁共振数据中对化合物进行分类的概念验证方法。这可以帮助减少寻找良好结构候选者的时间，因为在大多数情况下，匹配必须由人类工程师完成，或者至少匹配过程必须由人类工程师进行有意义的解释。因此，长期以来一直在积极寻求NMR领域的自动化。被识别为适合于分类的方法是卷积神经网络（CNN）。其他方法，包括聚类和图像配准，没有发现适合的任务，在比较分析。结果表明，深度学习可以为化学信息学中的自动化问题提供解决方案。
2022-11-06 cs.AI cs.LG physics.chem-ph
Accurate Prediction of Chemical Shifts for Aqueous Protein Structure for "Real World" Cases using Machine Learning
NMR化学位移的准确预测原则上可以帮助将蛋白质的水溶液结构细化到X射线结构的质量。我们报告了一种用于蛋白质化学位移预测的新机器学习算法，该算法在现实的NMR溶液数据上优于现有的化学位移计算器。我们的UCBShift预测器实现了两个模块：一个转移预测模块，采用序列和结构比对来选择实验化学位移复制的参考候选人，以及一个基于随机森林回归的重新设计的机器学习模块，该模块利用更多，更仔细地策划，特征提取数据。当结合在一起时，这种新的预测器实现了在“真实世界”数据集上预测化学位移的最新准确度，其中酰胺氢的均方根误差为0.31 ppm，Halpha为0.19 ppm，C为0.87 ppm，Calpha为0.81 ppm，C β为1.01 ppm，N为1.83 ppm，超过目前流行的化学位移预测器，如SPARTA+和SHIFTX2的预测精度。
2019-12-05 physics.chem-ph
Essential Tools of Linear Algebra for Calculating Nuclear Spin Dynamics of Chemically Exchanging Systems
本文介绍计算化学交换系统核磁共振自旋动力学的线性代数工具，通过 Liouville 空间超算符与 Python 代码，模拟 NH3/NH4+ 交换及 SABRE 极化转移，为分析 NMR 谱提供方法基础。
2023-07-29 physics.chem-ph
Revving up 13C NMR shielding predictions across chemical space: Benchmarks for atoms-in-molecules kernel machine learning with new data for 134 kilo molecules
对小分子化合物空间中核磁共振光谱的加速和定量准确筛选的要求有两个方面：（1）一个强大的“本地”机器学习（ML）策略，捕捉邻域对原子“近视”性质-化学屏蔽的影响;（2）用最先进的第一原理方法生成的准确参考数据集，用于训练。在本文中，我们报告了QM 9-NMR数据集，其包括在气体和五种常见溶剂相中的QM 9数据集的134 k分子中的超过80万个C原子的各向同性屏蔽。使用这些数据进行训练，我们提出了具有流行局部描述符的核岭回归模型的预测可转移性的基准结果。我们最好的模型在10万个样本上训练，准确地预测了5万个“保持”原子的各向同性屏蔽，平均误差小于$1.9$ ppm。为了快速预测新的查询分子，模型是根据廉价理论的几何形状进行训练的。此外，通过使用$Δ$ -ML策略，我们将误差抑制在$1.4$ ppm以下。最后，我们测试的可转移性的非平凡的基准集，包括基准分子，包括10至17个重原子和药物。
2020-12-03 physics.chem-ph physics.data-an
Describing NMR chemical exchange by effective phase diffusion approach
本文提出有效相位扩散方法描述 NMR 化学交换，涵盖耦合/非耦合及正常与分数阶扩散，并验证其在快速交换区的谱线预测及特征交换时间差异。
2023-05-17 cond-mat.stat-mech physics.chem-ph
Physical probes expose and alleviate chemical-environment collapse in molecular representations
Hainan Institute, Zhejiang University（浙江大学海南研究院）；Institute of Marine Biology and Pharmacology, Ocean College, Zhejiang University（浙江大学海洋学院海洋生物学与药理研究所）；School of Food and Pharmacy, Zhejiang Ocean University（浙江海洋大学食品学院）；Hangzhou Bio-Sincerity Pharmaceutical Technology Company Limited（杭州生物 sincerity 药业技术有限公司）；School of Pharmaceutical Sciences, Shanghai Jiao Tong University（上海交通大学药学院）
本文提出CLAIM框架，通过对比学习恢复化学分辨率，提升分子光谱检索，并在多种分子属性任务中实现有效应用。
2026-05-11 cs.AI physics.chem-ph
An Accurate Tensorial Model for Prediction of Full Zeolite NMR Spectra
Charles University（查理大学）；University of Oxford（牛津大学）
本文提出一种新的张量机器学习方法，用于预测沸石材料中多种核的核磁共振张量，从而高精度模拟全核磁共振谱。
2026-03-23 physics.chem-ph
Towards a Unified Benchmark and Framework for Deep Learning-Based Prediction of Nuclear Magnetic Resonance Chemical Shifts
研究提出基于SE(3) Transformer的深度学习框架NMRNet，并建立综合基准，首次在统一架构下实现液态与固态NMR化学位移的最先进预测。
2024-08-28 cond-mat.dis-nn cond-mat.mtrl-sci physics.chem-ph
Quantitative quantum mechanical approach to SABRE hyperpolarization at high magnetic fields
提出了一种定量模拟核磁共振谱仪在高磁场下进行的信号放大（SABRE）实验的理论方法。SABRE是一种利用仲氢（处于其核单线态的H $_2$分子）的自旋顺序来超极化各种底物的自旋以增强其NMR信号的方法。SABRE的一个重要特征是衬底不被化学修饰：相反，自旋顺序转移发生在与仲氢的瞬态复合物中。在高场SABRE实验中，通过使用合适的NMR激发方案来实现这样的转移。这里提出的方法可以明确地处理在SABRE复杂的自旋动力学以及基板交换的动力学（之间的自由和绑定的形式）和复杂的相互作用的自旋演化和化学过程。一个更重要的影响，包括在模型中的仲氢的自旋状态的改变引起的反相自旋秩序的形成从最初的单重顺序。这样的治疗，使已知的高场SABRE计划，定量比较实验和阐明的关键因素，限制了所得的NMR信号增强的详细分析。
2018-12-01 physics.chem-ph
Atomic Diffusion Models for Small Molecule Structure Elucidation from NMR Spectra
Princeton University（普林斯顿大学）；California Institute of Technology（加州理工学院）
ChefNMR通过原子扩散模型从NMR光谱直接预测小分子结构，实现高精度自动解析。
2025-12-02 cs.AI cs.LG physics.chem-ph
Surface NMR using quantum sensors in diamond
在环境或化学反应条件下表征表面的分子性质是一项基本的科学挑战。此外，许多用于探测表面的传统分析技术通常缺乏动态或分子选择性，这限制了它们在实际化学条件下进行机理和动力学研究的适用性。核磁共振光谱（NMR）是一种广泛使用的技术，并且由于其非侵入性地提供分子信息而将是探测界面的理想方法。然而，它缺乏探测表面少量自旋的灵敏度。在这里，我们使用金刚石中的氮空位（NV）中心作为量子传感器，从化学改性的氧化铝表面，原子层沉积（ALD）制备的光学检测核磁共振信号。与表面NV-NMR技术，我们能够实时监测的形成动力学的自组装单分子层（SAM）的基础上膦酸盐锚定化学的表面。这证明了量子传感器作为一种新的表面敏感工具的能力，具有用于原位NMR分析的亚单层灵敏度，具有大大降低技术复杂性的额外优势。
2021-03-29 physics.app-ph physics.chem-ph quant-ph
Efficient, precise DFT calculations of NMR shieldings: Revisiting the finite field approach
University of California, Berkeley（加州大学伯克利分校）；Q-Chem, Inc.（Q-Chem公司）
本文提出一种结合并行化、密度拟合近似及混合导数方案的可扩展框架，通过有限磁场微分实现高效精确的DFT水平NMR屏蔽计算，为后续高级量子化学方法扩展奠定基础。
2026-08-26 physics.chem-ph quant-ph
Optimizing the $U_{eff}$ value for DFT+U calculation of paramagnetic solid-state NMR shifts by double Fermi-contact-shift verification
各向同性化学位移可以用全电子组态计算，也可以用杂化泛函计算，这需要大量的计算资源。为了节省计算时间，可以采用DFT+U计算各向同性化学位移。然而，计算的性质是非常敏感的哈伯德修正值$U_{eff}$。本文提出了一种计算效率更高的双费米接触位移验证方法--DFT+U方法，即同时计算两个核（$^{6}Li$和$^{17}O$）上的费米接触位移，以预测最佳的$U_{eff}$。优化后的$U_{eff}$也有助于四极耦合常数$C_{Q}$、$g$ -因子、能带结构和态密度的计算。
2019-07-24 cond-mat.mtrl-sci physics.chem-ph
Pulse induced resonance with angular dependent total enhancement of multi-dimensional solid-state NMR correlation spectra
我们证明了一个新的共振条件，它服从关系$Δδ=nν_{R}/2$，其中$Δδ$是两个同核耦合自旋之间的化学位移差，$ν_{R}$是魔角自旋速度和$n$是一个整数。当至少一个质子偶极耦合到同核耦合自旋之一时，通过应用转子同步$^{1}$ H脉冲获得对旋转共振再耦合条件的这种调制。我们提出了一个新的实验方案，题为“脉冲诱导共振与角度相关的总增强”（PIRATE），可以提高质子驱动的自旋扩散的应用程序的一个单一的$^{1}$ H脉冲每个转子周期。实验证据表明，在两个碳自旋的甘氨酸和Y21M突变的fd噬菌体病毒。数值模拟揭示了共振的存在，并报告了这种现象的重要相互作用。
2022-02-02 physics.chem-ph
NMR-Solver: Automated Structure Elucidation via Large-Scale Spectral Matching and Physics-Guided Fragment Optimization
School of Mathematical Sciences（数学科学学院）；Peking University（北京大学）；DP Technology（DP科技）；College of Chemistry and Molecular Engineering（化学与分子工程学院）；Xiamen University（厦门大学）；AI for Science Institute（人工智能科学研究院）；Center for Machine Learning Research, Peking University（北京大学机器学习研究中心）
针对NMR谱图解析分子结构依赖人工、现有方法实际表现不佳的问题，提出融合大规模谱图匹配与物理引导片段优化的NMR-Solver框架，在多类测试中表现出强泛化性与实用性，为分子科学逆问题提供可泛化范式。
2025-08-30 cs.AI physics.chem-ph
DiffNMR: Diffusion Models for Nuclear Magnetic Resonance Spectra Elucidation
Department of Computer Science, University of Science and Technology of China（科学技术大学计算机科学系）；Suzhou Lab（苏州实验室）；Baidu（百度）
本文提出DiffNMR框架，利用条件离散扩散模型从NMR波谱进行从头分子结构解析，通过迭代优化分子图缓解误差累积，结合两阶段预训练、检索初始化与RBF编码，实现了高效稳健的自动化分子分析。
2025-07-09 cs.LG physics.chem-ph
Efficient prediction of Nucleus Independent Chemical Shifts for polycyclic aromatic hydrocarbons
核磁共振（NMR）是表征分子和受限液体结构的最有力的实验技术之一。然而，所研究的系统的复杂性通常需要补充计算研究来解释NMR结果。在这项工作中，我们专注于多环芳烃（PAHs），一类重要的有机分子，已被普遍用作更复杂系统，如多孔无序碳的光谱特性的简单类似物。用密度泛函理论计算了34种多环芳烃的~（13）C化学位移和核独立化学位移。结果显示了两个量的明确的分子尺寸依赖性，以及13 C NMR位移朝向石墨烯观察到的值的收敛。然后，我们提出了两个计算便宜的模型预测简单的多环芳烃的NICS。我们表明，虽然一个简单的偶极模型不能产生准确的值，微扰紧结合的方法可以成功地应用于预测NICS在这一系列的分子，包括一些非平面的含有5-和7-元环。该模型比DFT计算快一到两个数量级，非常有前途，可以进一步改进，以研究更复杂的复杂系统。
2020-01-23 cond-mat.mtrl-sci physics.chem-ph
Heteronuclear transfers from labile protons in biomolecular NMR: Cross Polarization, revisited
基于INEPT和HMQC的脉冲序列被广泛用于在异核之间转移偏振，特别是在生物分子光谱学中：它们易于设置并且涉及低功率沉积。尽管如此，这些短脉冲极化转移方案受到快速溶剂化学交换的挑战。改善这些异质性转移的替代方案是J驱动交叉极化（J-CP），其通过在Hartmann-Hahn条件下自旋锁定耦合自旋来转移极化。J-CP提供了一定的免疫力，对化学交换和其他T2类松弛效应，在这里深入研究的行为，刘维空间数值和分析推导描述的传输效率。虽然优于基于INEPT的传输，但快速交换也可能会减慢这些J-CP传输，从而损害其效率。因此，本研究探讨了在快速溶剂化学交换存在下，重复投影操作改善1H-> 15 N和1H-> 15 N-> 13 C J-CP转移的潜力。发现虽然重复的J-CP相对于延长的CP提供很少的1H-> 15 N转移优势，但是保持水和不稳定质子有效自旋锁定的多个接触可以在化学交换的存在下改善1H-> 15 N-> 13 C转移。随后的循环，级联交叉极化（L-CCP）通过依赖13 C更长的寿命来补偿单个J-CP损失，从而产生一种算法冷却，可以为15 N以及羰基和α 13 Cs提供高极化。这可以促进某些实验，如对涉及不稳定的化学交换质子的内在无序蛋白质的三重共振实验所证明的。
2021-09-02 physics.bio-ph physics.chem-ph
NMRTrans: Structure Elucidation from Experimental NMR Spectra via Set Transformers
Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）；Nanjing University（南京大学）
NMRTrans通过集合变换模型，利用大规模实验光谱数据提升NMR结构解析的准确性与可靠性。
2026-02-10 cs.AI physics.chem-ph
Large-scale NMR simulation on a trapped-ion quantum computer
HQS Quantum Simulations GmbH（HQS量子模拟有限公司）；Quantinuum
本研究在Quantinuum H2离子阱量子计算机上，通过硬件高效约简和误差抑制，实现了对1,2-二叔丁基二膦烷的21自旋模型大规模数字NMR模拟，结果与经典计算一致，推动了量子模拟的实用化。
2026-09-15 physics.chem-ph quant-ph
QE-CONVERSE: An open-source package for the Quantum ESPRESSO distribution to compute non-perturbatively orbital magnetization from first principles, including NMR chemical shifts and EPR parameters
本文介绍QE-CONVERSE，一个基于Quantum ESPRESSO的开源模块化包，采用“逆方法”从头计算周期系统的非微扰轨道磁化（如NMR和EPR参数），解决了微扰方法失效的问题，并在基准测试中展现出优于线性响应方法的精度。
2025-03-06 cond-mat.mtrl-sci physics.chem-ph physics.comp-ph
The importance of nuclear quantum effects for NMR crystallography
固态核磁共振（NMR）晶体学的分辨能力很大程度上取决于候选结构的NMR化学屏蔽的计算预测的准确性，这些计算预测通常被认为是势能的局部最小值。为了测试这种近似的限制，我们系统地研究了有限温度和量子核涨落的重要性$^1$ H，$^{13}$ C，和$^{15}$ N屏蔽在多晶型的三个典型的分子晶体-苯，甘氨酸，和琥珀酸。量子涨落的影响与静态核相对于实验的屏蔽预测的典型错误相当，并且它们的包含提高了与测量的一致性，转化为将NMR光谱更可靠地分配给正确的候选结构。使用基于第一原理能量和屏蔽训练的集成机器学习模型，可以对核波动进行严格的采样，为NMR结构测定的计算设定了新的标准。
2022-01-09 cond-mat.mtrl-sci physics.chem-ph
NMR and NQR parameters of ethanol crystal
计算了乙醇稳定单斜晶相的电场梯度和化学屏蔽张量。采用周期平面波密度泛函理论中的投影增广波（PAW）和含规范投影增广波（GIPAW）模型。从X射线测量的晶体数据，以及结构，无论是所有原子，或只有氢原子的位置进行了优化，在密度泛函理论进行了分析。这些结构模型也进行了研究，包括半经验范德华修正的密度泛函理论。计算了这五种晶体模型的红外光谱。
2012-02-14 cond-mat.mtrl-sci physics.chem-ph
Decoding the Competing Effects of Dynamic Solvation Structures on Nuclear Magnetic Resonance Chemical Shifts of Battery Electrolytes via Machine Learning
本研究通过机器学习预测LiFSI/DME电解质中动态$^7$Li核磁共振化学位移，揭示两种竞争溶剂化结构在高浓度下的优势转变，解释化学位移反常逆转，为电解质设计提供分子级见解。
2025-04-22 cond-mat.dis-nn cond-mat.mtrl-sci cond-mat.soft
Floquet-Magnus Expansion and Fer Expansion Approaches Revisited to Investigate the Chemical Shift Anisotropy During the Triple Oscillating Field Technique Irradiation in Solid-State NMR
本文重探并统一推广 Floquet–Magnus 与 Fer 展开，用于计算固态 NMR 的 TOFU 辐照下有效 Hamilton 量和传播子，以支持选择性重耦与自旋演化分析。
2024-04-10 cond-mat.mes-hall physics.chem-ph
Continuous Radio Amplification by Stimulated Emission using Parahydrogen Induced Polarization (PHIP-RASER) at 14 Tesla
核磁共振（NMR）是一种有趣的量子力学效应，可用于日常生活中的医学诊断和化学分析。许多进步促成了该技术的成功，包括超极化造影剂，使实时成像的代谢在体内。在物理学中，超极化使NMR RASER能够使用定制的低场设置和高Q线圈，直到最近。在此基础上，我们报道了一种以600 MHz的高频率连续发射1H NMR信号超过10 min的RASER。保持了完整的化学位移分辨率，并实现了2 ppb的线宽。对双自旋1/2耦合系统中的RASER效应进行了新的模拟，并再现了实验结果。这种效果只使用标准设备就可以发现;不需要专门的设置，使得NMR RASER可以被广泛的研究人员使用。
2019-07-25 physics.chem-ph physics.ins-det
Pushing the limits of one-dimensional NMR spectroscopy for automated structure elucidation using artificial intelligence
Department of Chemistry, Stanford University（化学系，斯坦福大学）；ACD/Labs（ACD实验室）
提出基于Transformer的深度学习框架，仅利用一维1H和13C NMR谱，对含多达40个非氢原子的有机分子实现60.4%的首次15次预测准确率，克服化学空间组合爆炸。
2026-06-09 cs.LG physics.chem-ph
Universal neural network potentials as descriptors: Towards scalable chemical property prediction using quantum and classical computers
本文提出利用通用神经网络势的中间信息作为通用描述符，通过迁移学习（如M3GNet和MACE）实现化学性质预测，在NMR化学位移基准上达到最先进精度，加速分子与材料发现。
2024-07-16 physics.chem-ph quant-ph
Accurate and efficient structure elucidation from routine one-dimensional NMR spectra using multitask machine learning
Stanford University（斯坦福大学）
针对仅靠一维NMR谱解析分子结构的难题，提出融合Transformer与CNN的多任务机器学习框架，无需先验化学知识即可高效预测结构，大幅缩小搜索空间。
2024-08-15 cs.LG physics.chem-ph
NMIRacle: Multi-modal Generative Molecular Elucidation from IR and NMR Spectra
Federico Ottomano；Yingzhen Li；Alex M. Ganose
NMIRacle通过两阶段生成框架，利用红外和核磁共振光谱数据实现分子结构的高精度解析，优于现有方法并保持复杂性下的鲁棒性。
2026-07-14 cs.LG physics.chem-ph
Prediction of NMR Parameters and geometry in 133Cs-containing compounds using Density Functional Theory
针对含铯核废料固化基体中铯结合位点不明确、133Cs的DFT适用泛函未确立的问题，本工作基准测试多种泛函对含Cs化合物的结构与NMR参数的预测性能，筛选出rev-vdW-DF2和PBEsol+D3两种优选泛函。
2025-01-25 cond-mat.mtrl-sci physics.chem-ph
Modular transmission line probes for microfluidic nuclear magnetic resonance spectroscopy and imaging
微流体NMR光谱可以在严格控制的环境中无创地探测化学和生物化学过程。我们提出了一种用于高效微流控NMR光谱和成像的双通道模块化探针组件。它与广泛的微流体装置兼容，而不限制流体设计。它以高灵敏度和高分辨率从设备上指定的样品体积收集NMR信号。模块化设计允许通过使用相同的探针底座以最小的成本使检测器几何形状适应不同的实验条件。完整的探头可以由容易获得的部件制成。探头主体主要由预制铝型材组成，而探头电路和探测器则由印刷电路板制成。我们证明了一种双共振HX探针，在600 MHz下对质子的检测限为1.4 nmol s $^{1/2}$，分辨率为3.35 Hz，B $_{1}$具有良好的均匀性。我们已经成功地获得了$^1$ H- $^{13}$ C和$^{1}$ H- $^{15}$ N异源相关光谱（HSQC），包括在2.5 $μ$ l样品体积中1 mM $^{15}$ N标记的泛素的$^{1}$ H- $^{15}$ N HSQC光谱.
2019-03-30 physics.chem-ph physics.ins-det
High-Field NMR Characterization and Indirect $J$-Spectroscopy of a Nuclear Spin Chain [U-$^{13}$C,$^{15}$N]-butyronitrile
Novosibirsk State University（新西伯利亚国立大学）；International Tomography Center SB RAS（俄罗斯科学院西伯利亚分院国际 tomography 中心）；Johannes Gutenberg University Mainz（美因茨约翰内斯·古腾堡大学）；Helmholtz Institute Mainz（美因茨亥姆霍兹研究所）；Department of Chemistry, University of Miami（迈阿密大学化学系）；Frost Institute for Chemistry and Molecular Science（弗斯特化学与分子科学研究所）
本文通过高场核磁共振与超低场条件结合，研究了[U-13C,15N]-丁腈核自旋链的耦合网络，实现了对J耦合的精确测量与验证。
2026-02-14 physics.chem-ph quant-ph
Nanoscale NMR Spectroscopy using Self-Calibrating Nanodiamond Quantum Sensors
常规的核磁共振（NMR）光谱依赖于从分子的宏观系综获取信号以获得关于分子结构和动力学的信息。将这种技术转移到纳米级样品大小将使分子分析没有平均的影响，在空间和时间的不均匀性，而不需要宏观体积的分析物，这两个固有的大合奏测量。基于大块金刚石芯片内部的氮空位（NV）中心的纳米级NMR实现了单核自旋灵敏度和确定化学结构所需的分辨率，但对于最敏感的设备，它们的检测体积仅限于金刚石表面上方几纳米。这使得它们无法在较厚的结构（如细胞）内以纳米级分辨率用于核自旋传感。在这里，我们展示了在（19 nm）3体积中使用多功能NV-NMR设备内的纳米金刚石，具有典型的30 nm直径的NMR信号从多个核素的检测。该装置检测由少量分析物分子产生的信号，数量级为1000。为了原位使用这些装置，必须针对每个纳米金刚石装置的未知几何形状校正检测到的信号。我们表明，这样的校准可以通过利用金刚石表面上的原子核薄层的信号来执行。这些结果，结合纳米金刚石的低毒性和它们对表面功能化的顺从性，表明纳米金刚石NV-NMR装置可以成为活细胞内基于纳米级NMR的传感的有用工具。
2019-02-05 cond-mat.mes-hall physics.chem-ph quant-ph
Few-Qubit Magnetic Resonance Quantum Information Processors: Simulating Chemistry and Physics
本文综述了量子信息处理（QIP）在量子系统和化学现象模拟方面的最新进展。本文综述了化学量子模拟中的量子算法以及核磁共振（NMR）和电子自旋共振（ESR）QIP的研究进展。讨论还包括一些最近的实验证明了当前的能力的NMR QIP的量子模拟和前景的自旋为基础的实现QIP。
2012-10-18 physics.chem-ph quant-ph
Two-dimensional nuclear magnetic resonance spectroscopy with a microfluidic diamond quantum sensor
基于金刚石中氮空位中心的量子传感器由于其微米级的检测体积和基于非感应的检测而成为核磁共振（NMR）光谱的有前途的检测模式。剩下的挑战是实现足够高的光谱分辨率和浓度灵敏度的多维NMR分析的皮升样品体积。在这里，我们通过在微流体平台中空间分离实验的偏振和检测阶段来解决这一挑战。我们实现了0.65 +/- 0.05 Hz的光谱分辨率，比以前的金刚石NMR研究提高了一个数量级。我们使用该平台在有效的~20皮升检测体积内对液体分析物进行二维相关光谱分析。使用金刚石量子传感器作为在线微流体NMR检测器是在质量受限的化学分析和单细胞生物学中应用的重要一步。
2019-01-09 cond-mat.mes-hall physics.app-ph physics.chem-ph
