华盛顿大学团队用大模型驱动"自动驾驶实验室"：从4000个MOF变体中锁定10种新材料
圣路易斯华盛顿大学研究者在Science撰文提出让AI"像化学家一样读懂化学"的方法论，其团队用大语言模型学习约4000个MOF连接体转化文献数据，经计算模拟筛选发现10种水吸附性能超越铝基吸附剂的新材料。同期Matter论文给出聚合物合成数据的自动策展方案。
材料发现
共 7 篇 · B910化工 · AI 化学信息库
用"最优输运"给异质界面建模：贝叶斯优化让界面结构筛选快过随机搜索
Yuxuan Tang与Keith T. Butler（英国伦敦大学学院）8月20日在arXiv提出异质界面原子结构筛选新工作流：以融合Gromov-Wasserstein距离量化界面与母体块体环境的相似度，耦合贝叶斯优化搜索面内平移配准，在KI/NaCl、GaP/GaAs、GaN/Al2O3三类界面上验证，FGW引导的配准选择稳定优于随机搜索与预训练MACE能量引导，为微电子与能源转换材料的界面设计提速。
arXiv：大语言模型闭环驱动自动合成优化，像化学家一样做材料发现
8月16日提交arXiv的研究提出LLM驱动的迭代反馈闭环合成优化框架：大语言模型从文献蒸馏合成知识并规划实验，高通量高光谱成像实时反馈结果，形成假设-实验-修正的自动化专家工作流。多数计算预测材料从未被合成，该框架直面预测多合成少的瓶颈，把依赖专家经验的数月优化压缩为自动化循环。
arXiv：机器学习挖出38种被遗忘MXene，文献数据挖掘加速二维材料发现
8月17日提交arXiv的研究以机器学习辅助数据库挖掘结合实验，在历史文献中识别出38种已被合成但从未被认作MXene的层状化合物，构成一座宝库，并开发快速直接合成路线验证新候选。该工作把文献挖掘+定向合成闭环引入二维材料发现，有望显著扩展MXene在储能、电催化与屏蔽领域的材料库。
机器学习加速铈基化合物磁性候选材料发现
研究人员开发了物理引导的机器学习框架，从已知铈化合物中筛选具有单轴磁各向异性的铁磁体候选，为解决高性能磁性材料中稀土短缺问题提供新路径，特别是寻找替代钕铁硼的间隙磁体材料。
物理信息生成式AI自主发现多孔氧化物储能材料:机遇与挑战
新泽西理工学院Dibakar Datta团队发表综述,系统梳理物理信息和知识驱动的生成式AI在多孔过渡金属氧化物储能材料发现中的应用。论文指出该材料体系涉及晶体化学、孔结构、离子传输等多物理场耦合,传统方法面临根本性设计瓶颈。
机器学习框架筛选12万MOF候选物发现高效光催化CO2转化材料
研究团队开发结合强化学习MOF生成与晶体图卷积神经网络的MatCreatioNN框架，从12万候选物中筛选出两种光催化性能优于基准材料PCN-224(Zr)的MOF，光催化适应性提升20%-70%。