9月16日消息，发表于《npj Computational Materials》的一项研究利用AI辅助流水线，从海量有机分子中筛选出15种此前未报道的二维铬基交变磁性（altermagnetic）金属有机框架（MOF），使已报道的单层交变磁性MOF数量增加一倍以上。 交变磁性是继铁磁性、反铁磁性之后第三类共线磁性：它在实空间中具有相互补偿的反平行自旋序，同时在倒空间中表现出动量依赖的非相对论性自旋劈裂，在自旋电子学方面应用前景可观。此前该性质的研究集中于无机材料，将其拓展至MOF等有机-杂化体系有望获得可调结构。 研究团队开发的两阶段机器学习流水线基于晶体对称性要求：聚焦提供C4旋转轴但自旋亚晶格间无inversion对称性的四方空间群75。初筛从PubChem的1.22亿有机分子出发，经结构过滤后与磁性铬过渡金属节点组合生成P4对称MOF模型。由于量子力学计算难以覆盖全库，团队训练XGBoost分类模型对65578个候选进行筛选，收窄至145个高概率配体，再用K近邻和CatBoost模型预测交变磁性分类与自旋劈裂幅度，最后以SHAP可解释性分析锁定构效关系。 DFT验证确认了15种交变磁性MOF：初始350个配体的DFT计算发现6种，XGBoost筛选又从145个候选中新增6种，机器学习引导的筛选使发现效率提升2.4倍。SHAP分析提示，连续共轭芳族骨架更可能支持交变磁性，适度推拉电子基团有望缩窄配体HOMO-LUMO间隙、增强自旋劈裂。这些预测结构仍需实验合成与磁性表征验证。 （来源：AZoM）