AI筛选出15种交变磁性MOF，此类材料发现数翻倍
npj Computational Materials研究用两阶段机器学习加高通量DFT，从1.22亿有机分子筛出15种未报道的二维铬基交变磁性MOF，发现效率提升2.4倍。
材料筛选
共 8 篇 · B910化工 · AI 化学信息库
机器学习筛选Ag-Au-Pd-Pt合金析氢催化剂：功函数+覆盖率校正模型预测精度达0.969
波鸿鲁尔大学与丹麦奥胡斯大学团队用扫描电化学池显微镜对三个组合多元合金薄膜库进行酸性析氢筛选，结合图神经网络发现覆盖率校正吸附模型与功函数模型均可高精度预测活性，为多组元电催化剂设计提供新描述符。
机器学习从50多万个钙钛矿结构中筛出38个光伏候选材料
研究人员开发多阶段机器学习框架，快速预测电子带隙并筛选氧化物钙钛矿的光伏应用潜力。从超过50万个候选结构出发，方法逐步收窄至38个带隙匹配的组分，等待更高精度计算与实验验证。展示了AI筛选在光伏材料发现中的落地路径。
稀土硫族钙钛矿光电性质全景计算：无毒稳定体系的激子与极化子图谱
印度研究者在arXiv发表第一性原理研究，结合GW与BSE多体方法系统计算III-III型稀土硫族钙钛矿ABX3（A=Y/La, B=Sc/Y, X=S/Se）的激发态性质。所有化合物满足动力学与机械稳定性，准粒子带隙2.75-4.47 eV，可见光到紫外强吸收，激子束缚能0.148-0.517 eV，为无铅钙钛矿光电应用提供材料图谱。
机器学习+符号回归导出MOF二氧化碳吸附可解释公式，13.7万结构验证准确率超70%
arXiv新预印本（2608.14990）用机器学习+符号回归策略，从1000样本MOF数据集提炼出二氧化碳低压吸附的简洁预测公式Q=aA，将无量纲吸附数A解释为吸附结合力与扩散驱动力之比。在137,652个假想MOF上验证，对62,448个结构预测准确率超70%，为MOF碳捕集材料筛选提供了可解释的物理公式。
超导材料计算筛选新突破：7300种超导体图谱发现近67特斯拉高场候选
美国材料物理学家在npj Computational Materials发表研究，对近7300种电声超导体进行高通量计算筛选，构建临界磁场性能图谱，预测若干立方结构化合物上临界场高达66.9特斯拉，并发现I型超导行为比此前认为的更普遍，为高场磁体材料设计提供了新方向。
机器学习从13万候选中筛选出5种稳定无铅钙钛矿，AI加速光伏材料发现
一个国际研究团队开发了基于基因组学思想的机器学习框架，从13088种电荷平衡的无铅双钙钛矿组合中筛选出5种经DFT验证的热力学稳定半导体材料（Rb2SnMnBr6、Cs2CdSnBr6、Cs2CdSnI6、Cs2KGaI6、Cs2AgAlBr6），均位于凸包上（E_hull小于等于0 meV/atom），光学吸收峰值超过10的5次方cm负1次方，具备光伏、传感和透明电子器件应用前景。该框架在1221个DFT计算化合物上训练，稳定性分类器ROC-AUC达0.92，带隙预测R2达0.93。
研究提出多位点电催化活性统一描述符，将传统Sabatier分析推广至复杂合金催化剂
Penn State等机构研究者从平均场统计力学模型出发，引入有效吸附自由能描述符，构建了涵盖多位点电催化剂的统一活性映射框架。该方法将多维活性景观投影至单一有效坐标，同时保留位点异质性和横向相互作用的物理本质，为复杂合金催化剂的筛选提供了可解释的新路线。