Angewandte Chemie | AI驅動的界面分子工程設計新范式
分子工程用于開發(fā)先進界面材料方面潛力巨大,然而有機分子的結構多樣性與功能復雜性使得針對特定界面性質(zhì)最優(yōu)結構設計變得極具挑戰(zhàn)。此外,傳統(tǒng)的“試錯式”分子發(fā)現(xiàn)及設計方法效率低下,且適用性難以高通量擴展。
近日,中國科學院深圳先進技術研究院材料人工智能研究中心喻學鋒研究員團隊在AI驅動界面分子工程設計研究方面取得新突破,在化學學術期刊Angewandte Chemie International Edition上發(fā)表了題為“AI-Driven Discovery and Molecular Engineering Design for Enhancing Interface Stability of Black Phosphorus”的研究論文。該研究通過融合大語言模型與圖神經(jīng)網(wǎng)絡(GNN)機器學習,成功開發(fā)了一種結合知識推理與性質(zhì)預測的分子工程智能設計工作流(圖1),以加速界面體系功能設計。研發(fā)團隊選取了一種在電子器件與能源化學領域具有極大應用潛力、但在常溫條件下穩(wěn)定性較差的典型二維材料——黑磷(BP)作為模型體系,以展示該方法的有效性。相比于傳統(tǒng)經(jīng)驗范式往往只能找到單一分子用于黑磷表面穩(wěn)定性調(diào)控,本方法快速預測和發(fā)現(xiàn)多種新型的界面修飾分子材料,大幅縮短了研發(fā)周期。基于該設計框架,研究團隊創(chuàng)新提出分子“功能頭基-連接基-尾基”協(xié)同調(diào)控策略,顛覆并突破了傳統(tǒng)親水分子不適用于BP保護的認知,為材料的界面分子設計提供了新見解。
研究團隊提出“AI驅動的材料界面分子工程設計”新范式,工作亮點如下
此外,該研究工作所提出的AI驅動的分子工程設計策略可推廣至鈣鈦礦、MXene等多種易氧化材料的界面設計。通過結構模塊化策略,該平臺可適配不同化學體系需求,加速功能分子發(fā)現(xiàn),推動新材料研發(fā)從“經(jīng)驗驅動”向“AI驅動”深度轉型。
中國科學院深圳先進技術研究院喻學鋒研究員、彭超副研究員及王佳宏副研究員為論文共同通訊作者,彭超副研究員、王冰博士及吳列博士為論文共同第一作者。研究獲國家重點研發(fā)計劃、國家自然科學基金、廣東省自然科學基金、深圳市科技計劃等項目支持。

圖1 | AI驅動的材料界面分子工程智能設計示意圖。

圖2 | 機器學習與高通量篩選流程概覽。

圖3 | 基于分子工程提高黑磷界面穩(wěn)定性的協(xié)同調(diào)控策略。
附件下載: