AI助力实现人工光合系统的高通量筛选

期刊封面。

本报讯（记者王敏）中国科学技术大学教授熊宇杰、特任教授高超团队与合作者实现了人工光合系统的高通量筛选，为未来高效人工光合系统研发提供了一种可行范式。研究成果近日作为封面文章发表于《自然-催化》。

高效人工光合系统的开发过程涉及大量分子光敏剂和分子催化剂的组合，通过传统的反复试错实验开展研究极其耗时。

熊宇杰、高超长期从事人工光合系统的能量耦合与转换机制研究，在各种体系中凝练出偶极耦合在能量耦合与转换过程中的普适性作用。在此基础上，该团队通过大量的分子光催化体系实验，建立了人工光合系统结构和性能的实验数据库。

研究团队采用包含光敏化、电子转移和催化3个关键步骤的不同描述符，提出了一种基于机器学习加速的分子光催化二氧化碳转化系统的高通量筛选策略。该策略实现了对数千种不同分子光敏剂和分子催化剂组合的快速筛选，确定其中的高效人工光合系统，性能处于国际领先水平。

此外，研究团队还利用时间分辨谱学证实了偶极耦合作为描述符的可靠性，以及偶极耦合在引发动态催化反应过程中的作用。

该研究提出的描述符——催化剂的二氧化碳吸附能、光敏剂的寿命、源自于光敏剂和催化剂的本征和跃迁偶极的电子耦合，可以制定一种高通量筛选方案，实现光敏剂和催化剂组合的快速准确预测。该方案能从3444种光敏剂和催化剂组合中快速准确地预测6种高效的分子光催化体系。

研究人员介绍，该研究范式未来可用于指导高效光化学均相催化剂的设计，促进其他催化化学转化领域的发展。

相关论文信息：

https://doi.org/10.1038/s41929-025-01291-z