@@ -73,6 +73,8 @@ kaggle有一个耦合常数预测的竞赛，The train dataset contained 4,658,1
我的思路：先对分子进行构建，rdkit，然后进行构象寻找，可以用前面提到的方法，然后能量优化，找到能量最低的几个构象，进行boltzmann平均化处理。用这个平均化的作为描述符来预测。因为液体核磁的数据总体上是一个构象平均的结果。
+MSpin-JCoupling. A modular program for prediction of scalar couplings and fast implementation of Karplus relationships **MSpin-JCoupling**是一个模块化程序，用于使用多种Karplus关系预测标量耦合。该程序专为小分子分析而设计，可以以图形或命令行模式运行。该程序的架构是高度模块化的，新的方程可以通过完整的C++编程接口快速实现，并作为运行时插件部署。
+
# 数据库
- http://cheshirenmr.info/MoleculeSets.htm 这个网站是有机化学研究中化学位移和耦合常数计算的使用，特别关注经验缩放技术.里面有有关计算用的数据.
