图 AI辅助荧光共价有机框架材料发现的工作流程
在国家自然科学基金项目（批准号：22025106、22320102003、22025304、22033007）等资助下，武汉大学邓鹤翔教授联合中国科学技术大学江俊教授、陈林江教授及香港科技大学唐本忠院士，在共价有机框架（COFs）智能研发方面取得进展，相关成果以“通过AI辅助的迭代式实验-学习循环发现强荧光共价有机框架（Discovery of highly fluorescent covalent organic frameworks through AI-assisted iterative experiment-learning cycles）”为题，于2025年10月30日发表在《自然·化学》（Nature Chemistry）杂志上，论文链接：https://www.nature.com/articles/s41557-025-01974-x。
COFs是一类通过共价键连接形成的多孔晶态材料，因其模块化设计而具备结构多样性和功能可调性，在分离、催化及生物医学等领域展现出应用潜力。然而，该类材料的探索长期依赖“试错法”，研发过程效率低。
针对这一挑战，上述研究团队以COF材料的荧光性能为突破口，基于机器科学家平台建立了“交互式实验-学习进化”研究模式。通过引入分子基态与激发态电子结构等理论认知，克服了纯数据驱动模型在预测未知材料时的局限性。研究表明，在由20种胺类和26种醛类构筑单元所得的520种组合中，仅需实验评估其中11种COFs，即可识别出一种光致发光量子产率高达41.3%的新材料。结合高效的合成验证，该平台有望显著缩短材料研发周期，为实现功能导向新材料的精准、快速合成提供新路径。