ChemRxiv预印本：为DeepMind GNoME 52万种新晶体补上水溶液稳定性筛查
9月17日发布于ChemRxiv的AQ-GNoME研究，对Google DeepMind GNoME数据库中逾52万种新无机晶体开展系统性Pourbaix水溶液稳定性筛选，填补了这一AI发现材料库在电化学应用维度上的关键数据空白，为电池、电解、催化等水相器件的材料下选提供过滤依据。
高通量筛选
共 3 篇 · B910化工 · AI 化学信息库
密歇根大学团队跑完50688个反应，建成C-N偶联最大开放数据集助力AI寻找廉价催化剂
美国密歇根大学Tim Cernak团队（第一作者Jayabrata Das）借助超高通量自动化，针对两类底物系统性跑完50688个C-N偶联反应条件，构建了迄今最大、可直接横向对比钯镍铜催化体系的开放数据集，发表于《美国化学会志》。该数据集规模约为同类数据集的5倍，旨在训练AI模型用更廉价的镍、铜替代受俄罗斯供应制约的钯，对制药合成供应链意义重大。
西北大学巨型库平台实现AI驱动材料定向设计，从压电材料筛选到性能定制仅需数小时
美国西北大学Chad Mirkin团队在Science Advances发表论文，展示巨型库（megalibrary）平台不仅能快速筛选百万级材料候选，还能根据特定性能需求定向设计新材料。研究以压电材料为验证对象，从数千种化学组合中识别出新型高熵卤化物钙钛矿压电材料，并进一步通过成分调控设计出在80°C下仍保持功能的压电材料，整个过程仅需数小时。该平台还可生成训练AI模型所需的大规模高质量数据集。