「国家杰青」郭玉国领衔！天津大学杨春鹏/王旗龙，重磅JACS！MOFs领域再发顶刊！

本文针对固态电解质材料开发效率低下的问题，提出结合大型语言模型和表征聚类技术从金属-有机框架数据库中智能挖掘固态电解质材料。研究团队通过交互式迭代框架构建了包含104种MOFs的909种属性的高精度数据集，并利用表征聚类从11393种候选材料中成功识别出NOTT-400。实验验证表明该材料具有高离子导电性（2.23×10-4 S cm-1）和宽电化学稳定性窗口（0-4.79 V），同时通过AI分析提出了MOF SSEs的设计原则，包括中心金属特性、有机配体要求和孔结构优化等，为人工智能驱动的材料发现提供了新范式。