研究进展：沸石/有机结构导向剂-机器学习ZeoBind | Nature Computational Science

本文介绍了麻省理工学院研究人员开发的机器学习框架ZeoBind，用于高效设计沸石合成中的有机结构导向剂（OSDA）。沸石作为重要的工业催化剂和吸附剂，其合成通常依赖于OSDA的模板效应。然而，由于沸石-OSDA化学空间的多样性和复杂性，传统的OSDA设计方法耗时且效率低下。ZeoBind通过构建230万种虚拟OSDA分子库，并结合结合能预测模型，从近5亿沸石-分子对中筛选出新型OSDA分子。实验验证表明，该方法成功合成了高硅ERI沸石和无钠富铝CHA沸石，这些沸石在氮氧化物催化净化中表现出优异的水热稳定性。该研究为工业催化剂设计提供了新范式，并加速了沸石材料的定向合成。