人工智能+多孔材料

多孔材料,不论是基于有机分子的COF,还是无机有机杂合的MOF,都具有模块化的结构特点。它们的化学组成和结构参数往往决定或影响了材料的理化性质及其在特定应用场景中的表现。我们通过人工智能手段来对已有的多孔材料大数据进行分析和归纳,对模块化的材料本身及其构效关系进行计算机建模,总结和演绎出具有科学意义的一般性规律。这些规律将有助于我们设计新的多孔材料并对其进行有目的的修饰、改性。

多孔材料合成化学

从合成化学的角度来说,新的MOF/COF材料源于我们对以下几个因素或其子集的调控:无机组成单元的价态和构型;有机组成单元的构型构象;无机和有机组成单元结合的方式。同时,多孔材料结构的新维度也逐渐被认知,即:具有不同基础结构的单一多孔材料以某种形式结合在一起,形成多种不同的形貌(如:同心层状多孔材料、梯度多孔材料、杂糅多孔材料等)。通过基于反应条件多样性的高通量合成和数据积累,我们将采用人工智能技术来更高效地完成愈加复杂的多孔材料的合成条件发现与优化。

多孔材料+环境化学

由于结构的多样性和组成单元本身具有的化学、物理性质及集合性质,多孔材料在催化、新能源、安全等领域都有巨大的应用潜力。我们将针对环境化学领域的重要需求(如污染物处理、重要核素的分离等),精准地调控多孔材料的组成单元的物理、化学性质、官能化方式等,开发具有科学价值和应用价值的新材料。