- 综合排序
- 最热优先
- 最新优先
- 来自专栏行走的机械人
【工程材料B】二：金属的晶体结构与缺陷
境界的特性及其对材料的影响 1：能降低能量的元素具有向境界聚集的趋势 2：晶界容易被优先腐蚀和氧化 3：新相往往在母相的晶界上形核 4：晶界会阻碍位错运动，导致材料强度上升 ?
2.6K20发布于 2020-06-04 - 来自专栏Mac软件分享
CrystalMaker for Mac(晶体结构软件)v10.8.1激活版
晶体结构软件CrystalMaker for mac创建、显示和操作各种晶体和分子结构 ，CrystalMaker Mac版便捷、灵活，能够容易的载入结构数据并产生壮观的，相片型的图形，戴上红/蓝眼镜， 图片CrystalMaker for Mac(晶体结构软件)crystalmaker Mac版功能特色1、集成结构库 - 现在添加自己的CrystalMaker X包含一个具有1000多种结构的集成结构库 4、出色的3D图形CrystalMaker X具有业界领先的3D图形，可实现壮观且快速的像素完美可视化，具有完美的重叠校正和半透明度。
85520编辑于 2022-11-09 - 来自专栏DrugOne
Bioinformatics | XRRpred:根据蛋白质序列精确预测晶体结构质量
通过预测溶剂可及性来识别表面残基，因为暴露在蛋白质表面的残基更可能影响产生的晶体结构质量。 第二步： 提取蛋白质水平的特征。 作者测试了4，172种组合。寻找一种能够产生最高SCC值的设置，同时为预测提供正确的分辨率范围和R-free值。 作者发现不同的回归器对预测结果的影响不大，而重采样会带来实质性的改进。 3.3 XRRpred的预测体现了不同蛋白质结构类别之间的结构质量关系 CATH数据库中介绍了一种常用的蛋白质结构分类方法，将蛋白质结构分为4类：mainly alpha、mainly beta、alpha 作者采用CATH的分类标准将测试数据集中的蛋白质分为这4类。比较这四类结构类别的蛋白质的分辨率和R-free实验值，结果发现属于不同结构类别的蛋白质具有显著不同的分辨率和R-free值。
70511发布于 2021-09-17 - 来自专栏智能生信
|生成对抗网络预测晶体结构
这种方法的缺点是不能超越数据库中现有晶体结构的模板。 一些有希望探索未知晶体结构的方法包括使用全局优化的晶体结构预测方法和机器学习中的生成模型。本文采用第二种方法。 在本次工作中，将晶体结构表示为一组原子坐标和细胞参数。构建一个GAN模型来生成带有需求化学成分的新晶体结构，并将其应用于Mg-Mn-O三元体系。 在使用数据扩充版本的V-O训练数据后，我们生成了V3O4、V4O5、V5O6、V5O8和V6O7结构的样本，来比较基于VAE的iMatGen生成的化学空间。 然后，使用GAN对总共9300个Mg-Mn-O结构进行了采样:3300个结构(11种有300个结构的组分，见图4c)和6000个结构(20种有300个结构的新组分，不包含在上述的11种组分中，见图4d) 这些生成的晶体结构会用于性能评估的密度泛函理论计算。实验结果如下图4。 ? 图4.
99520发布于 2021-02-04 - 来自专栏智能生信
Bioinformatics | XRRpred:根据蛋白质序列精确预测晶体结构质量
通过预测溶剂可及性来识别表面残基，因为暴露在蛋白质表面的残基更可能影响产生的晶体结构质量。 第二步： 提取蛋白质水平的特征。 作者测试了4，172种组合。寻找一种能够产生最高SCC值的设置，同时为预测提供正确的分辨率范围和R-free值。 作者发现不同的回归器对预测结果的影响不大，而重采样会带来实质性的改进。 3.3 XRRpred的预测体现了不同蛋白质结构类别之间的结构质量关系 CATH数据库中介绍了一种常用的蛋白质结构分类方法，将蛋白质结构分为4类：mainly alpha、mainly beta、alpha 作者采用CATH的分类标准将测试数据集中的蛋白质分为这4类。比较这四类结构类别的蛋白质的分辨率和R-free实验值，结果发现属于不同结构类别的蛋白质具有显著不同的分辨率和R-free值。
1.1K30发布于 2021-09-10 - 来自专栏测试GO材料测试
前沿实验室丨形貌与晶体结构表征技术全解析
前沿实验室形貌与晶体结构表征技术全解析在新能源材料研发的赛道上，每一次突破都始于对材料微观世界的精准洞察。 从锌负极的枝晶抑制到高镍正极的相变调控，从水系电池的界面优化到固态电池的电解质设计，材料的形貌特征与晶体结构始终是决定性能的核心要素。
47810编辑于 2025-08-14 - 来自专栏智能生信
CrystEngComm | 基于接触图的全局优化的晶体结构预测
三、实验设置 作者选择目标晶体结构作为测试用例，以评估基于接触图的晶体结构重建算法。在这里，独立原子位点的数量是2和3对应6和9个优化变量，空间群数的范围从4到61，对应于三斜、单斜和正交结构。 ? 图3 由CMCrystal预测的晶体结构与真实的目标结构 图3显示了B4N4、Bi4Se4和Co4As8的预测结构与目标结构，对于B4N4和Bi4Se4接触图精度达到100%，预测结构非常接近目标结构； 图4 不同算法在四种目标结构上的接触图预测精度方面的性能比较 图4显示了六种算法的性能。 对于Bi4Se4和B4N4的简单情况，所有的算法都达到了100%的预测精度；对于复杂的Ni8P8，只有DE算法达到100%的精度，而PSO和BO落后的最多；对于最复杂的目标Co4As8，没有任何算法达到 从图5中可以发现，B4N4和Co4As8的CMA-ES均达到了最好的RMSD性能；对于Bi4Se4晶体，GA取得了最佳结果，RMSD为0.12；对于Ni8P8晶体，RBFOpt取得了最佳结果，RMSD为
1.3K20发布于 2021-05-17 - 来自专栏智能生信
AAAI Spring Symposium 2019|CrystalGan:使用生成对抗网络发现晶体结构
晶体结构由一个局部分布来描述。这种分布由给出的晶体结构中的每个原子的最近邻的距离决定。这一步满足几何约束，约束细节见图1 b。 ? 图2. 这些文件中的信息被存放在4维张量中。一个POSCAR文件的例子见下图3。 ? 图3. POSCAR文件例子 训练集包括63类二元氢化物1416个POSCAR文件。 每个二元MH氢化物包括两个元素：氢元素和M元素（见图4中的标黄元素）。本次实验专注于从“钯-氢”和“镍-氢”系统中探索“钯-氢-镍”三元化合物。本文也考虑了另一个生成“镁-氢-钛”三元化合物的任务。 图4. M元素 在CrystalGAN中，我们需要计算每个生成出的POSCAR文件的所有最近邻居的距离。 各模型实验结果 下图5为一种新生成的结构：左边为晶体结构中的最近邻距离，右边为POSCAR文件。 ? 图5.
1.1K10发布于 2021-02-04 - 来自专栏用户10436734的专栏
晶体结构分析 MDI Jade软件安装包下载，MDI Jade安装激活
MDI JadeX射线衍射软件是一款专业的晶体结构分析软件，以其强大的数据处理和分析能力、多样的样品类型和实验条件等特色功能深受广大研究者的喜爱。 该软件可以进行精确、快速的晶体结构测定和分析，帮助研究者更好地了解晶体结构的性质和特点。本文将从MDI JadeX软件的特色功能、使用方法和实例演示三个方面，详细介绍该软件的功能和优势。 进行晶体结构测定和分析，如晶格常数计算、空间群确定等操作。导出结果文件，将计算得到的参数输出为CIF、PDF、TXT等格式。 通过以上流程，用户可以快速地进行晶体结构的测定和分析，帮助研究者更好地了解晶体结构的性质和特征。 通过以上流程，用户可以快速地进行晶体结构的测定和分析，并输出高质量的结果文件。
87930编辑于 2023-04-21 - 来自专栏新智元
DeepMind重磅研究登Nature，预测220万晶体结构赢人类800年
新智元报道 编辑：编辑部 【新智元导读】继AlphaFold系列改变了生物学领域之后，谷歌DeepMind今日再发Nature，全新AI工具GNoME，成功预测220万种晶体结构，颠覆了材料学领域 今天，220万种晶体结构完全被AI预测出来了。 这是什么概念？相当于近800年的知识价值。 利用 AI 加速材料发现 过去，科学家们通过调整已知晶体或试验新的元素组合来寻找新的晶体结构。 这是一个昂贵且耗时的试错过程。通常需要几个月的时间才能得到有限的结果。 GNoME使用晶体结构及其稳定性的数据进行训练，这些数据可通过Materials Project公开获得。 研究人员使用GNoME来生成新的候选晶体，并预测它们的稳定性。 GNoME会对新型的、稳定的晶体结构进行预测，然后使用DFT进行测试，并将生成的高质量训练数据反馈到模型训练中。
80110编辑于 2023-12-01 - 来自专栏DrugScience
. | 基于半监督学习的晶体结构的合成预测
然而，对于晶体结构，没有这样的模型来评估其合成能力。在本文中，使用部分监督分类模型来预测晶体结构的合成概率。 这个平均值被定义为在0到1之间的晶体相似性分数(CLscore) ，使用这个CLscore来量化给定晶体结构的合成能力。 除了卷积层和池化层外，还添加了两个深度为L1和L2的全连接隐藏层，以捕捉晶体结构和属性之间的复杂映射。最后，使用输出层连接L2隐藏层来预测目标属性ˆy。 图4使用MP数据库随机标记的阳性数据进行训练的基线模型CLscore分布 ? 其中，排名前5位的晶体如下图所示（仅列出一种），其MP-id(无ICSD标签)、空间群、CLscore以及VESTA所示的晶体结构，这些虚拟结构的X射线粉末衍射图谱与文献报道的实验结构相吻合。 ?
1.5K20发布于 2021-03-24 - 来自专栏DrugOne
Soft-introspective VAEs：超越AlphaFold2，揭示K-Ras蛋白新视野
本文使用这种方法为与癌症相关的蛋白质K-Ras生成集合，训练VAE使用部分可用的K-Ras晶体结构和MD模拟快照，并评估其对从训练中排除的晶体结构的采样范围。 对于每个测试晶体结构（名称见条形图），使用RMSD大于1A的所有晶体结构的MD模拟数据训练VAE，并用于生成结构集合。 结构叠加显示，生成的样本与目标结构的叠加配体不冲突，突出显示为橙色，因此可以无障碍地对接；而对于最接近的训练晶体和最接近的AF2模型，存在显著的冲突（见图4）。 图4：K-Ras隐袋几何的VAE采样。图3对测试晶体结构的坐标误差仅计算结合位点残基（定义为配体结合袋5埃范围内的残基）。 左:训练集晶体结构（第2列）、MD快照（第3列）、AlphaFold模型（第4列）和VAE集合（第5列）中持有的晶体结构配合物（第1列）和最近的对接配合物（就配体上的RMSD而言）。
48030编辑于 2023-09-09 - 来自专栏智能生信
｜CCDCGAN: 用于晶体结构逆向设计的约束晶体深度卷积生成对抗网络
对DCGAN产生的2832个晶体结构加以形成能的约束，通过进一步的DFT计算选择并优化了2148个晶体结构。 CCDCGAN模型示意图 CCDCGAN具有较高的晶体结构生成成功率，从13000个生成的二维晶体图中成功转换出3743个晶体结构。 其他4个相不能再现，作者怀疑这可能归因于约束问题。为了进一步测试CCDCGAN的预测能力，作者特意去除了4个特定的训练集中的晶体结构，观察到这4种结构可以在实验中再生（图3 d，g）。 证明了二维晶体图可以用来构造一个具有已知晶体结构连续表示的潜在空间，物理性质可以作为模拟的有效描述子，并且可以被解码成真实的空间晶体结构，从而产生不同的晶体结构。 design of crystal structures. npj Comput Mater 7, 66 (2021). https://doi.org/10.1038/s41524-021-00526-4
1.6K10发布于 2021-06-24 - 来自专栏DrugOne
. | 快速生成晶体结构，雷丁大学采用GPT架构生成CIF文件
CrystaLLM在数百万个CIF文件上进行训练，专注于通过文本建模晶体结构。实验证明，CrystaLLM能够为训练中未见过的各种无机化合物生成合理的晶体结构。 晶体结构预测（CSP）方法通过推导特定化学成分在特定物理条件下的基态晶体结构来阐明未知材料的结构，但其计算成本高昂。为加速CSP方法，生成高质量的候选结构至关重要。 近年来，机器学习和数据科学技术被广泛应用于材料科学，特别是基于自编码器和生成对抗网络的生成模型已用于晶体结构生成。然而，训练LLM来生成晶体结构的潜力尚未充分探索。 图 4 如图4所示，作者通过组合不同的A和B种类，构建了包含144种钙钛矿化合物的结构空间，其中54种在训练集中出现过。 表4：挑战集中20个最有问题案例的MCTS解码结果 具体来说，表4显示，在挑战集中20个难题中，使用MCTS的有效性率在95%的情况下有所提升，且85%的生成结构能量更低。
64110编辑于 2025-01-13 - 来自专栏DrugOne
J. Chem. Theory Comput. | 通过变分自编码器隐空间采样生成蛋白质结构集合
对于每个目标晶体，训练数据由训练集晶体结构的MD快照组成。 作者最终选择了20个K-Ras构象：4DSO、5XCO、5YXZ、6PGP、7EWB、8AFD、8DNI、4LV6、4L9W、5V9O、6B0V、6N2K、6P8W、7RT1、7U8H、4Q21、5V71 图 4 对于每个对接案例，使用蛋白-配体对接方法Rosetta GALigandDock，将抑制剂配体（inhibitor ligand）对接到受体上，提取出复合晶体结构中的配体原子坐标，用于配体对接。 因此，作者根据结合位点残基来计算测试晶体结构的 C-alpha 坐标误差。在图的上部有三个复合物的结构叠加，展示了与目标晶体结构结合的配体抑制剂，其中隐蔽结合口袋和配体以橙色高亮显示。 在图的左侧，可以看到三行结构叠加，每行代表一个特定的蛋白质结构（分别为4LV6、5YXZ和6PGP），每个结构中都有一个配体（彩色结构）。
70010编辑于 2024-05-13 - 来自专栏用户10436734的专栏
材料科学研究 MDI Jade 软件安装包下载，MDI Jade软件安装激活
晶体结构解析 MDI Jade软件支持晶体结构解析工具，用户可以在软件中对射线衍射数据进行晶体结构解析，以确定样品中的晶格信息和结构组成。 晶体结构可视化 MDI Jade软件支持晶体结构可视化工具，用户可以在软件中对晶体结构图像进行可视化操作，实现三维立体展示和多角度观察。 MDI Jade的晶体结构可视化工具可以帮助用户更直观地理解晶体结构信息和样品组成。举例说明：假设我们需要在MDI Jade软件中对样品中的晶体结构进行可视化。 然后，我们可以使用MDI Jade的晶体结构可视化工具对晶体结构图像进行三维展示和多角度观察，帮助用户更好地理解晶体结构信息和样品组成。 晶体结构可视化 在完成晶体结构解析之后，我们可以使用MDI Jade的晶体结构可视化工具进行三维展示和多角度观察。MDI Jade的晶体结构可视化工具可以帮助用户更好地理解晶体结构信息和样品组成。
89811编辑于 2023-04-20 - 来自专栏用户10436734的专栏
MDI Jade是什么软件？MDI Jade 6.5软件安装包下载及安装教程
它可以让你轻松地进行晶体结构分析、晶体结构可视化和晶体结构比较等操作。此外，MDI Jade还支持各种文件格式的导入和输出，包括CIF、PDB、SHELX等。 工具栏中包括了各种各样的工具，比如晶体结构绘制、晶体结构可视化和晶体结构比较等。数据区中包括了当前文档中的所有数据，你可以通过它来管理和处理数据。 除了这些基本操作，MDI Jade还提供了丰富的高级功能，比如晶体结构优化、晶体结构拟合和精细结构分析等。如果你想深入了解MDI Jade的功能，可以参加一些在线课程或者购买一些书籍来学习。 MDI Jade安装包souttp.work/20230331MDI Jade2023安装包.htmlMDI Jade如何绘制晶体结构MDI Jade是一款用于晶体结构分析的软件，可以通过以下步骤绘制晶体结构 在晶体结构编辑器中，还可以进行晶格参数的设置，如晶格常数、晶胞角度等。绘制完成后，可以选择“File”选项，选择“Save As”保存晶体结构文件。以上就是使用MDI Jade绘制晶体结构的基本步骤。
1.5K21编辑于 2023-04-01 - 来自专栏DrugOne
基于生成式深度学习方法设计潜在2019-nCoV蛋白酶抑制剂
1 输入数据和数据集 2019-nCoV 3C样蛋白酶的晶体结构 _ 2019-nCoV 3C样蛋白酶的晶体结构是从Rao博士的实验室获得的。 同源建模 _ 使用与Rao博士实验室提供的晶体结构相对应的一级序列，构建了具有非共价配体的2019-nCoV 3C样蛋白酶的同源模型。 SARS-CoV Mpro的X射线结构4MDS（分辨率为1.6Å）用作模板，与2019-nCoV 3C样蛋白酶具有非常高的相似性（95.25％）。使用SWISS-MODEL进行同源模建。 2 方法流程 为每种输入数据类型（晶体结构、同源性模型和共结晶配体）启用了Insilico Medicine的生成化学平台。 ? 3 结果 这项研究中，Insilico Medicine利用了专有的生成化学平台，利用了靶标蛋白的晶体结构和同源性模型的知识。
48440发布于 2021-01-29 - 来自专栏测试GO材料测试
单晶衍射测试的技术特点与操作要点-测试狗
温度与压力调控：现代单晶衍射设备通常具备温度和压力调控系统，允许研究者在不同的环境条件下对晶体结构进行探究。4. 动态分析能力：部分高端设备支持时间分辨的单晶衍射实验，这使得捕捉晶体结构在化学反应或物理过程变化中的动态信息成为可能。二、操作要点详解1. 4. 数据处理：数据整合：包括积分、背景校正、归一化等步骤。结构解析：运用各种算法（如直接法、帕特森法等）解析晶体结构。结构精修：通过最小二乘法等方法对解析出的结构模型进行优化。5. 通过上述技术特点与操作要点的阐述，我们可以看出单晶衍射测试是一项技术要求较高的实验技术；只有精确控制实验条件，严谨地进行数据处理，才能获得准确的晶体结构信息，为相关学科的研究与发展提供坚实的理论基础。
37710编辑于 2024-10-08 - 来自专栏DrugOne
Insilico Medicine | 助力抗2019新型冠状病毒药物开发
我们的团队将合成和测试其中的一些化合物” ---- 1 输入数据和数据集 2019-nCoV 3C样蛋白酶的晶体结构 _ 2019-nCoV 3C样蛋白酶的晶体结构是从Rao博士的实验室获得的。 同源建模 _ 使用与Rao博士实验室提供的晶体结构相对应的一级序列，构建了具有非共价配体的2019-nCoV 3C样蛋白酶的同源模型。 SARS-CoV Mpro的X射线结构4MDS（分辨率为1.6Å）用作模板，与2019-nCoV 3C样蛋白酶具有非常高的相似性（95.25％）。使用SWISS-MODEL进行同源模建。 2 方法流程 为每种输入数据类型（晶体结构、同源性模型和共结晶配体）启用了Insilico Medicine的生成化学平台。 3 结果 这项研究中，Insilico Medicine利用了专有的生成化学平台，利用了靶标蛋白的晶体结构和同源性模型的知识。
48540发布于 2021-02-01
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号