厦门大学林雁勤团队: 基于深度学习获取超高质量NMR化学位移谱

本文介绍了厦门大学林雁勤团队在核磁共振（NMR）化学位移谱领域的最新研究成果。该团队开发了一种基于深度学习的新方法SE2CSNet，用于处理自旋回波脉冲序列采集的核磁共振数据，以解决传统纯化学位移技术中存在的灵敏度损失、伪峰干扰和采样时间长等问题。通过检测自旋回波谱中不同峰的相位变化，SE2CSNet能够准确识别谱峰的化学位移位置，从而获得高分辨率和高灵敏度的化学位移谱。该方法在多个实验样品上进行了测试，结果显示其能够有效处理谱峰重叠严重和低信噪比的谱图，且无强偶合伪峰和噪声。研究成果已发表在《Chemical Science》期刊上。