Forwarded from Российская академия наук
Создана крупнейшая база данных растворимости органических соединений в неводных растворителях BigSolDB 2.0
#Грани_РАН
Сотрудники Института общей и неорганической химии им. Н.С.Курнакова РАН, НИУ ВШЭ, МГУ и Венского университета представили самую крупную базу данных растворимости органических соединений в неводных растворителях BigSolDB 2.0 — низкомолекулярных спиртах, этилацетате, ацетоне и ацетонитриле.
База данных включает в себя больше 100 тысяч экспериментальных значений для создания моделей машинного обучения. На основе собранных данных учёные создали онлайн-приложение для интерактивной визуализации и поиска: оно позволяет легко находить значения растворимости как по химической структуре, так и по названию соединения.
Созданная база данных решает проблему критического недостатка комплексных наборов данных для растворимости органических веществ, которая ранее ограничивала развитие методов машинного обучения в этой области. Большинство предыдущих исследований были сосредоточены только на водной растворимости, тогда как BigSolDB 2.0 охватывает широкий спектр органических растворителей.
📝Результаты исследования опубликованы в статье BigSolDB 2.0, dataset of solubility values for organic compounds in different solvents at various temperatures (Lev Krasnov, Dmitry Malikov, Marina Kiseleva, Sergei Tatarin, Sergey Sosnin, Stanislav Bezzubov).
#Грани_РАН
Сотрудники Института общей и неорганической химии им. Н.С.Курнакова РАН, НИУ ВШЭ, МГУ и Венского университета представили самую крупную базу данных растворимости органических соединений в неводных растворителях BigSolDB 2.0 — низкомолекулярных спиртах, этилацетате, ацетоне и ацетонитриле.
База данных включает в себя больше 100 тысяч экспериментальных значений для создания моделей машинного обучения. На основе собранных данных учёные создали онлайн-приложение для интерактивной визуализации и поиска: оно позволяет легко находить значения растворимости как по химической структуре, так и по названию соединения.
«Мы проанализировали 1595 рецензируемых научных статей и извлекли из них 103 944 экспериментальных данных о значениях растворимости для 1448 органических соединений в 213 различных растворителях в температурном диапазоне от 243 до 425 K. Особое внимание было уделено качеству данных — мы проводили тщательную проверку и стандартизацию всех записей, устранение дубликатов и валидацию источников», — младший научный сотрудник лаборатории кристаллохимии и Центра цвета ИОНХ РАН Лев Краснов.
Созданная база данных решает проблему критического недостатка комплексных наборов данных для растворимости органических веществ, которая ранее ограничивала развитие методов машинного обучения в этой области. Большинство предыдущих исследований были сосредоточены только на водной растворимости, тогда как BigSolDB 2.0 охватывает широкий спектр органических растворителей.
📝Результаты исследования опубликованы в статье BigSolDB 2.0, dataset of solubility values for organic compounds in different solvents at various temperatures (Lev Krasnov, Dmitry Malikov, Marina Kiseleva, Sergei Tatarin, Sergey Sosnin, Stanislav Bezzubov).
Forwarded from РНФ
Конкурс направлен на оказание поддержки проектам по проведению прикладных научных исследований по направлению «Микроэлектроника» в рамках технологических предложений, отобранных в результате конкурсного отбора по определению тематик исследований, разработок и опытно-конструкторских работ. Результаты конкурсного отбора технологических предложений утверждены Фондом в ноябре 2024 года.
➡️ В ходе реализации проекта научные коллективы будут решать задачи квалифицированных заказчиков. Проекты должны быть направлены на получение новых знаний в целях их последующего практического применения, формирования научно-практического задела в разработке перспективных технологий в критически значимых направлениях стратегических инициатив Президента Российской Федерации в научно-технологической сфере. Результатом реализации исследования станет разработанная технология, подтвержденная изготовленным по ней прототипом изделия.
📌 Размер каждого гранта составит до 30 миллионов рублей ежегодно.
📌 Заявки на конкурс представляются до 17:00 (мск) 31 августа 2025 года.
📌 Результаты конкурса будут подведены до 1 октября 2025 года.
Конкурс проводится по пяти лотам:
Лот № 1:
«Разработка технологий изготовления и конструкций твердотельного спектрального преобразователя и оптоэлектронного приемного устройства на его основе, для диагностики наноразмерных объектов с использованием излучения экстремальной части ультрафиолетового диапазона».
Лот № 2:
«Разработка специального технологического оборудования и оснастки для производства источника особо чистых щелочных металлов и геттерного восстановительного сплава на основе циркония и алюминия в виде калиброванного порошка».
Лот № 3:
«Разработка библиотеки проектирования для пассивных и низкочастотных элементов фотонных интегральных схем на материальной платформе кремний-на-изоляторе под технологическую площадку Сколтеха».
Лот № 4:
«Разработка технологии очищающей матрицы с использованием катализатора на основе переходных металлов и сорбентов для создания очистителя технического азота до уровня содержания примесей менее 1 ppb».
Лот № 5:
«Разработка конструкции и технологии изготовления лавинных фотодиодов А3В5/InP на длину волны 1,55 мкм и фотодетекторов на их основе для оптоволоконных линий связи».
#конкурсыРНФ
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
Forwarded from Научные журналы и базы данных (НЖБД)
Elsevier запустила Reaxys AI Search
Elsevier представила Reaxys AI Search — новую функцию платформы Reaxys, использующую искусственный интеллект и обработку естественного языка для трансформации процесса поиска в химических исследованиях. Это первая в отрасли база данных по химии, которая внедрила поиск по естественному языку, значительно упрощая доступ к релевантной научной информации среди огромных массивов сложных данных.
Новый инструмент особенно полезен для междисциплинарных областей, таких как материаловедение, химическая инженерия и наука о полимерах. Вместо необходимости составлять сложные поисковые запросы с точными ключевыми словами, Reaxys AI Search анализирует намерение пользователя, распознаёт варианты написания, аббревиатуры и синонимы, выдавая наиболее подходящие документы по каждому запросу. Это позволяет химикам, инженерам, учёным в области фармацевтики и биотехнологий, а также академическим исследователям тратить меньше времени на поиск информации и больше — на открытия и инновации.
Reaxys AI Search работает с базой из более чем 121 миллиона документов, включая патенты и рецензируемые научные статьи, обеспечивая высокую точность и полноту результатов. В будущих обновлениях планируется дальнейшее усовершенствование возможностей поиска, а также добавление функции автоматического аннотирования документов.
#ии #elsevier #reaxys
____
@rujournals - Научные журналы и базы данных (НЖБД)
Elsevier представила Reaxys AI Search — новую функцию платформы Reaxys, использующую искусственный интеллект и обработку естественного языка для трансформации процесса поиска в химических исследованиях. Это первая в отрасли база данных по химии, которая внедрила поиск по естественному языку, значительно упрощая доступ к релевантной научной информации среди огромных массивов сложных данных.
Новый инструмент особенно полезен для междисциплинарных областей, таких как материаловедение, химическая инженерия и наука о полимерах. Вместо необходимости составлять сложные поисковые запросы с точными ключевыми словами, Reaxys AI Search анализирует намерение пользователя, распознаёт варианты написания, аббревиатуры и синонимы, выдавая наиболее подходящие документы по каждому запросу. Это позволяет химикам, инженерам, учёным в области фармацевтики и биотехнологий, а также академическим исследователям тратить меньше времени на поиск информации и больше — на открытия и инновации.
Reaxys AI Search работает с базой из более чем 121 миллиона документов, включая патенты и рецензируемые научные статьи, обеспечивая высокую точность и полноту результатов. В будущих обновлениях планируется дальнейшее усовершенствование возможностей поиска, а также добавление функции автоматического аннотирования документов.
#ии #elsevier #reaxys
____
@rujournals - Научные журналы и базы данных (НЖБД)
👍3
Forwarded from РНФ
Гранты выделяются на осуществление научных исследований в 2026–2028 годах с последующим возможным продлением срока выполнения проектов на один или два года по отраслям знаний:
📌 Размер одного гранта Фонда составит от 4 до 7 млн рублей ежегодно.
📌 Заявки представляются до 17:00 (мск) 13 ноября 2025 года.
📌 Результаты конкурса будут подведены до 1 апреля 2026 года.
В конкурсе могут принять участие проекты отдельных научных групп, являющиеся продолжением проектов, поддержанных Российским научным фондом в 2023 году соответствующими грантами.
Гранты выделяются на осуществление научных исследований в 2026–2027 годах.
📌 Размер одного гранта Фонда составит от 4 до 7 млн рублей ежегодно.
📌 Заявки представляются до 17:00 (мск) 23 декабря 2025 года.
📌 Результаты конкурса будут подведены до 1 апреля 2026 года.
#конкурсыРНФ
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Библиотека по естественным наукам (БЕН РАН)
📚11 августа в отделе БЕН РАН
в Институте элементоорганических соединений открылась выставка
к юбилею академика
А.А. Музафарова
Научные интересы Азиза Мансуровича Музафарова связаны с синтезом кремнийорганических соединений. Он является одним
из пионеров в новой области высокомолекулярных соединений — химии кремнийорганических дендримеров и сверхразветвлённых полимеров.
С помощью разработанных им методов были созданы разнообразные молекулярные нанообъекты🔬: многолучевые функциональные полимерные звёзды , молекулярные щётки и наногели.
В своих работах А.М. Музафаров сформулировал критерии сверхразветвлённости, обосновал получение нового поколения кремнийорганических материалов и распространил идеологию синтеза сверхразветвлённых полимеров на макромономеры.
Азиз Мансурович Музафаров
был директором ИНЭОС РАН
с 2013 по 2018 годы🗓.
Ниже представлен список изданий, подготовленных
к выставке⬇
в Институте элементоорганических соединений открылась выставка
к юбилею академика
А.А. Музафарова
Научные интересы Азиза Мансуровича Музафарова связаны с синтезом кремнийорганических соединений. Он является одним
из пионеров в новой области высокомолекулярных соединений — химии кремнийорганических дендримеров и сверхразветвлённых полимеров.
С помощью разработанных им методов были созданы разнообразные молекулярные нанообъекты🔬: многолучевые функциональные полимерные звёзды , молекулярные щётки и наногели.
В своих работах А.М. Музафаров сформулировал критерии сверхразветвлённости, обосновал получение нового поколения кремнийорганических материалов и распространил идеологию синтеза сверхразветвлённых полимеров на макромономеры.
Азиз Мансурович Музафаров
был директором ИНЭОС РАН
с 2013 по 2018 годы🗓.
Ниже представлен список изданий, подготовленных
к выставке⬇
🔥3👍2❤1
Forwarded from Российская академия наук
Академик Азиз Мансурович Музафаров отмечает 75 лет!
Академик Музафаров — один из ведущих специалистов в области химии высокомолекулярных соединений. Он внёс вклад в развитие синтеза кремнийорганических соединений. В результате использования разработанной им методологии достигнут высочайший в кремнийорганической химии уровень управления структурой и свойствами новых материалов.
✨Желаем крепкого здоровья и вдохновения для новых научных свершений!
#Юбилеи_РАН
Академик Музафаров — один из ведущих специалистов в области химии высокомолекулярных соединений. Он внёс вклад в развитие синтеза кремнийорганических соединений. В результате использования разработанной им методологии достигнут высочайший в кремнийорганической химии уровень управления структурой и свойствами новых материалов.
✨Желаем крепкого здоровья и вдохновения для новых научных свершений!
#Юбилеи_РАН
🔥15
Forwarded from РНФ
📌 Исследование выполнено при поддержке Российского научного фонда. Результаты опубликованы в журнале Applied Materials Today.
Разработка открывает путь к персонализированному лечению сложных повреждений и хронических ран, поскольку позволит врачам корректировать биохимические процессы в ткани в зависимости от стадии заживления и особенностей состояния пациента.
«Говоря о покрытиях для терапевтических целей, научное и медицинское сообщества сталкиваются с проблемой длительного удержания молекул. Наша научная группа долго ломала голову и в итоге разработала технологию микрокамер, в которых вещество действительно удерживается длительное время. Преимущество состоит в том, что лекарственный препарат фиксируется внутри капсул в полимерной пленке, позволяя последовательно высвобождать его в ране. Мы рассчитываем, что меньше чем через три года внедрим эту технологию в медицинскую практику. На первом этапе удалось показать, что она не наносит вреда. Следующий шаг — доказать наличие статистически значимого терапевтического эффекта. Думаю, в течение 1–2 лет мы сможем это подтвердить», — комментирует разработку кандидат физико-математических наук, профессор Сколтеха, научный директор Научно-исследовательского центра LIFT, грантополучатель РНФ Глеб Сухоруков
«Предложенное покрытие позволяет ускорить заживление ран и значительно снизить образование рубцовой ткани, тем самым обеспечивая более эстетичный и быстрый результат по сравнению с существующими методами лечения. Особенно это касается хронических ран, отягощенных сопутствующими состояниями, например, диабетом. Поэтому разработка потенциально поможет повысить качество жизни пациентов, сократить затраты на терапию и снизить риск осложнений. В дальнейшем мы планируем адаптировать эту систему для более сложных повреждений, где факторы рубцевания и скорости заживления особенно важны, в частности, в случае повреждения нервных тканей и спинного мозга. В сегодняшней реальности, когда людей с тяжелыми ранами мы видим больше, чем когда-либо в ХХI веке, крайне важно находить способы оказания им помощи», — рассказывает руководитель проекта, поддержанного грантом РНФ, Алексей Ермаков, кандидат физико-математических наук, старший научный сотрудник Научно-исследовательского центра LIFT
#новостинауки_РНФ #химия
Please open Telegram to view this post
VIEW IN TELEGRAM