人工智能赋能催化剂开发，Nature Chemistry!

文章预览

研究背景 有机分子光催化剂因其分子结构的高度多样性受到广泛关注。然而，这种多样性也为有机分子催化剂的设计与发现带来挑战。经典的试错探索方法难以涵盖如此广阔的化学空间；同时，基于科研工作者的化学直觉和先验计算的预测也难以准确评估有机光催化剂的活性。较小的分子结构改变常导致光物理性质的显著变化，使得对分子结构或特性的简单归纳变得困难。因此，有机光催化剂和其他催化系统通常是通过直觉、设计与试错的混合方法被发现的。在某些情况下，当催化剂可以直接获得，且无需复杂的合成和提纯过程时，高通量测试实验平台可以促进这一发现过程。此外，分子的光理化性质也可作为设计准则，借助计算以缩小催化剂分子的设计范围。但光催化本质上仍是一个多变量的复杂问题，现有理论知识远不足以对未知的催化剂进 ………………………………