Nature chemistry | 通过人工智能辅助迭代实验学习周期发现高荧光共价有机框架

本文针对共价有机框架（COFs）材料发现中因构建块组合爆炸导致的筛选难题，提出了一种人工智能辅助的迭代实验-学习进化方法。研究背景源于COFs在分离、催化和生物应用中的潜力与其靶向特性开发困难之间的矛盾。研究目的旨在通过整合模型推荐、实验验证和主动学习，快速发现高荧光COFs。该方法从520种可能组合中仅实验评估11个COF，即鉴定出光致发光量子产率达41.3%的PL-COF-11。结论表明，嵌入电子结构参数的人工智能模型超越了传统化学直觉，通过揭示HOMO-LUMO排列和激发态电荷分布的关键作用，实现了可靠且可解释的材料发现，同时验证了COFs在生物成像中的应用潜力。