10月13日消息，arXiv预印本平台（cond-mat.mtrl-sci分类，10月12日挂网）刊登Bin Feng、Reid A. Coyle、Zhiling Zheng等研究者的展望文章《Predictive Synthesis of MOFs and COFs》，系统论述金属有机框架（MOF）与共价有机框架（COF）的预测式合成路线。

文章指出，'预测式合成'关注的是对目标结构如何被实现的前瞻性建模。MOF/COF的合成本征地涉及多维且相互依赖的变量空间——金属节点、有机配体、溶剂、调节剂、温度与时间等参数彼此耦合，让实验化学家难以参数化并预测产物，这是框架材料从实验室走向工业化放大的核心障碍。

作者梳理了该领域从化学直觉驱动的试错实验向数据与模型辅助设计演进的技术路径：包括合成条件的结构化描述、高通量实验数据积累，以及机器学习模型对成相结果的预测建模，并讨论了预测式合成在框架材料定制化制备中的应用前景。

对材料产业而言，MOF/COF已在气体分离、催化与电子器件场景进入商业化早期，但批次重现性与放大工艺仍是报价与产能的硬约束。预测式合成若能把'能做出什么'变为'想要什么就能设计出怎么做'，框架材料的交付确定性将质变。该工作为预印本，尚未经同行评审。 （来源：arXiv）