【计算】厦门大学陈忠教授团队JACS：基于深度学习的Laplace NMR波谱重建

文章预览

拉普拉斯核磁共振波谱(Laplace NMR spectroscopy)技术通过检测与分子动力学和自旋相互作用相关的扩散或弛豫等信息，为研究分子的化学结构和物理环境提供了一种强大的工具，因此被广泛应用于化学、材料科学、生物医学、食品科学等多个领域。然而，拉普拉斯NMR波谱的有效性在很大程度上依赖于数据后处理算法从实验采集的指数衰减信号中提取弛豫时间、扩散系数等信息，如拉普拉斯反演(ILT)。由于ILT问题本质上是不适定的，因此很难进行令人满意的拉普拉斯NMR数据处理和重建，特别是对于二维拉普拉斯NMR实验。传统的拉普拉斯NMR数据处理算法通过人为附加不同的约束来限制解的空间，以得到符合预期的结果，但繁琐的正则化参数调整和冗长的优化迭代过程导致许多实际问题依然未解决，在二维甚至更多维的场景中解的病态性以及对噪声的敏感性面 ………………………………