Digital Discovery 2026 Issue 2 中国作者论文

本文基于Digital Discovery 2026年第二期的多篇中国作者论文，系统总结了人工智能在材料科学与分子模拟领域的最新应用。背景方面，金属有机框架（MOFs）和共价有机框架（COFs）等多孔材料因高比表面积和可调结构在气体分离、催化等领域潜力巨大，但庞大化学空间和复杂合成条件制约了理性设计。研究目的上，各团队聚焦于通过机器学习、深度学习与多尺度模拟（如DFT、GCMC）的融合，实现加速材料筛选、合成路径预测与逆向设计；同时针对分子动力学模拟的计算瓶颈，开发了基于FPGA的高带宽内存加速架构，并探索了量子计算在非绝热分子动力学中的可行性。结论表明，AI赋能的框架材料设计策略和专用硬件加速方法显著提升了预测准确性与计算效率；特别地，通过知识蒸馏构建的领域专用大语言模型MOFReasoner在化学推理任务中超越通用模型，基于电子密度分解的机器学习力场实现了线性扩展的跨体系模拟。这些工作展示了数字化智能化范式在化学领域的广阔前景。