Accelerated Nuclear Magnetic Resonance Spectroscopy with Deep Learning.

Nuclear magnetic resonance (NMR) spectroscopy serves as an indispensable tool in chemistry and biology but often suffers from long experimental time. We present a proof-of-concept of application of deep learning and neural network for high-quality, reliable, and very fast NMR spectra reconstruction from limited experimental data. We show that the neural network training can be achieved using solely synthetic NMR signal, which lifts the prohibiting demand for large volume of realistic training data usually required in the deep learning approach.

Huang, Yihui (författare)
Lu, Hengfa (författare)
Qiu, Tianyu (författare)
Guo, Di (författare)
Agback, TatianaSwedish University of Agricultural Sciences,Sveriges lantbruksuniversitet,Institutionen för Molekylära vetenskaper,Department of Molecular Sciences (författare)
Orekhov, Vladislav,1966Gothenburg University,Göteborgs universitet,Svenskt NMR-centrum vid Göteborgs universitet,Institutionen för kemi och molekylärbiologi,Swedish NMR Centre at Göteborg University,Department of Chemistry and Molecular Biology(Swepub:gu)xorevl (författare)
Chen, Zhong (författare)
Sveriges lantbruksuniversitetInstitutionen för Molekylära vetenskaper (creator_code:org_t)
Sveriges lantbruksuniversitet

Ingår i:Angewandte Chemie: Wiley59:26, s. 10297-103001521-37731433-7851
Ingår i:Angewandte Chemie International Edition: Wiley59:26, s. 10297-103001433-7851

Av författaren/redakt...: Qu, Xiaobo; Huang, Yihui; Lu, Hengfa; Qiu, Tianyu; Guo, Di; Agback, Tatiana; visa fler...; Orekhov, Vladisl ...; Chen, Zhong; visa färre...

Om ämnet

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.