唐本忠院士领衔，武大邓鹤翔/中科大江俊/陈林江：AI+共价有机框架COF | Nature Chemistry

本文针对化学设计空间庞大和实验筛选成本高昂的挑战，提出了一种人工智能辅助的交互式实验-学习进化方法，以加速高荧光共价有机框架（COFs）的发现。研究背景在于多孔晶体材料开发中面临的效率问题，研究目的是通过整合模型推荐、实验验证和主动学习的迭代优化周期，实现高效材料筛选。该方法仅通过11次实验评估，从520种可能组合中识别出光致发光量子产率达41.3%的COF材料，并揭示了HOMO-LUMO能级匹配和激发态电荷分布对荧光机制的关键作用，结论表明该方法提高了预测可靠性和可解释性，推动了化学知识驱动的材料发现。