Matter：生成式人工智能驅動MOF設計與合成

金屬有機框架（Metal-Organic Frameworks, MOFs）是由無機金屬節(jié)點（次級構建單元，SBUs）與有機連接體通過配位鍵自組裝形成的晶態(tài)多孔材料，其模塊化的網(wǎng)狀合成策略賦予了材料在原子尺度上的可編程性。自網(wǎng)狀化學概念提出以來，已有超過10萬種MOF結構被實驗合成并收錄于劍橋結構數(shù)據(jù)庫中，在碳捕集、清潔水處理、能源存儲和催化等領域展現(xiàn)出廣闊的應用前景。全球MOF市場持續(xù)擴大，年商業(yè)需求預計將達到數(shù)百噸規(guī)模，多家企業(yè)已將MOF作為固體吸附劑實現(xiàn)工業(yè)化部署。

然而，MOF化學空間的巨大多樣性既是優(yōu)勢也是挑戰(zhàn)。通過替換構建單元和拓撲結構，研究者原則上可以創(chuàng)造近乎無窮的MOF組合，但從中篩選出滿足特定應用需求的最優(yōu)材料，猶如在無限大的草垛中尋找一根針。早期的計算輔助方法主要依賴枚舉策略——將已知分子組件按允許的方式拼接成假想MOF數(shù)據(jù)庫進行篩選，但這種方法僅能探索化學空間的極小部分。據(jù)估計，已在計算機中預測的MOF結構數(shù)量已達數(shù)百萬級別，遠超實驗合成數(shù)量。如何智能地導航這一指數(shù)級增長的設計空間，發(fā)現(xiàn)具有變革性性能的MOF材料，成為該領域亟待解決的核心科學問題。

本文由Chenru Duan、Aditya Nandy和Zhiling Zheng等來自多個國際知名研究機構的學者聯(lián)合撰寫，系統(tǒng)梳理了生成式人工智能（Generative AI, GenAI）在MOF設計與合成中的最新進展，闡述了從傳統(tǒng)枚舉篩選向生成式建模的范式轉變，并展望了自主閉環(huán)發(fā)現(xiàn)管線的未來圖景。

本文系統(tǒng)闡明了生成式AI正在重塑MOF發(fā)現(xiàn)的方式——從傳統(tǒng)的窮舉枚舉和試錯實驗，轉向能夠自主提出、篩選并合成新型多孔網(wǎng)狀結構的智能范式。隨著深度生成模型、基礎模型和代理式AI系統(tǒng)的持續(xù)發(fā)展，結合更完善的數(shù)據(jù)基礎設施和物理-機器學習的深度融合，生成式AI有望構建真正自適應的材料發(fā)現(xiàn)管線，加速具有重大社會效益的網(wǎng)狀材料開發(fā)。

文章鏈接：https://doi.org/10.1016/j.matt.2026.102748

（來源：網(wǎng)絡版權屬原作者 謹致謝意）