分子堆里“寻宝”：从虚拟寻踪到实验认证

在全球能源危机的背景下，研发节能及高能效材料成为科学焦点。有机化合物因其环境友好、成本低廉和分子结构可无限修饰的特性，在数据中心浸没冷却液等领域展现出巨大潜力。然而，传统实验试错法成本高，替代方法如分子动力学模拟和机器学习存在耗时或适用范围有限的问题。中国石化石油化工科学研究院等单位提出了一种基于Uni-Mol框架的分子表征学习方法——Org-Mol预训练模型，通过6000万个有机小分子结构进行自监督预训练，再结合实验数据微调，实现了对纯有机物体相性质的高精度预测。研究发现，Org-Mol模型对纯有机小分子的体相性质预测R2值超0.95，并成功筛选出两种新型浸没冷却液候选物。这些发现为节能材料的高效开发提供了定量工具，推动了从数据到材料发现的直接跨越。