9月17日消息，ChemRxiv预印本平台当日发布题为《AQ-GNoME: an Aqueous Stability Augmentation of the GNoME Database》的研究（DOI: 10.26434/chemrxiv.15003677.v2），作者为Mathias S. Nissen、Peter Beck、Leo Karlsson、Manuel Dillenz、Alexander Bagger、Ivano E. Castelli、Heine A. Hansen。
该工作针对的材料背景是：Google DeepMind的GNoME数据库收录了逾52万种新发现的无机晶体，是AI驱动材料发现迄今最大的成果库之一。但正如作者指出，水溶液稳定性是电化学能源技术所用材料的根本前提——电池电极、电催化、电解、腐蚀防护等应用场景中，材料都要在水相环境与电极电位下保持结构稳定。此前，学术界从未对GNoME数据库进行过系统性的Pourbaix稳定性筛选。
Pourbaix图（电位-pH图）是判断材料在水溶液电化学环境中稳定域、分解路径与腐蚀倾向的标准工具：一种热力学稳定的体相固体，在具体电位与pH条件下可能变得不稳定而发生溶解或氧化。对以计算高通量筛选见长的GNoME库补齐这一维度，意味着后续研究者可以在AI发现的新晶体中直接按水相服役稳定性做二次过滤，筛除那些虽然体相形成能有利、却在电化学工况下会分解的候选材料。
这项扩充以AQ-GNoME（Aqueous Stability Augmentation of GNoME）为名发布，将GNoME从静态晶体结构库升级为面向电化学应用的可检索材料数据集。对电池材料、电解水制氢、电催化CO2还原等水相器件的研发管线而言，这类稳定性注释数据可以直接嵌入现有的高通量下选流程，缩短从计算发现到实验验证的路径。预印本于2026年9月17日更新发布，属开放获取。
（来源：ChemRxiv）