基于深度学习的单分子磁体性能预测

这项工作涉及从剑桥结构数据库中提取salen金属络合物，以进行深入学习，检查允许此类络合物作为单分子磁体的3D结构特征。这项研究试图利用人工智能将晶体结构数据库作为大数据与纳米材料的分子设计联系起来。该方法开创了未来类似晶体结构数据的二次使用。

salen型复合物Hirshfeld指纹图谱的深度学习分析

本文是描述剑桥结构数据库（CSD）的创建、维护、信息内容和可用性的权威文章，该数据库是世界上小分子晶体结构的存储库。

CSD通信为共享不太可能在科学文章中发表的晶体学数据开辟了一条新途径，有助于CSD的广度和深度。本综述讨论了这些结构的好处、挑战、机制和趋势。

为了寻找新的共晶体，利用剑桥结构数据库中的数据构建了共晶体网络。从共晶簇、流行程度和网络类型方面对该网络进行了分析，为共晶提供了新的数据驱动见解。

剑桥结构数据库中苯衍生物的HOMA芳香度指数表明苯芳香度稳定，但也有可能发现许多芳香度显著降低的苯化合物。

深度学习应用越来越主导着科学的许多领域。本文综述了它们与蛋白质晶体学的相关性及其对蛋白质晶体学的影响。

对剑桥结构数据库的高压条目进行了深入分析。

本文介绍了DLSIA（科学图像分析的深度学习），这是一个用户友好的Python库，它为科学家和研究人员提供了许多具有可定制架构的卷积神经网络，用于各种图像分析任务，面对日益复杂的实验数据，加速发现并加强跨学科协作。

新的基于web的应用程序网络CSD介绍了，它提供了一系列在标准web浏览器中搜索剑桥结构数据库的工具。内的搜索选项网络CSD包括二维子结构、分子相似性、文本/数字和简化单元搜索。

搜索IUCr日志		国防部		高级搜索
作者		体积	第页