Nature Chemistry 封面论文：“智能科学家系统”以理实迭代之力，精准发现超强荧光COF材料

纳米人

2025-11-06

联合团队：武汉大学、中国科学技术大学、香港科技大学

发表期刊：Nature Chemistry

发表日期：2025年10月31日

论文链接：https://www.nature.com/articles/s41557-025-01974-x

一、背景：从“试错时代”迈入“智能科研纪元

长期以来，材料科学家一直追求一种理想模式——能够以最低成本、最高效率、最高精度去设计并合成目标材料。然而，面对成千上万种分子组合与有限的实验资源，传统的“试错式”实验路径通常比较耗时，常常错失潜在的高性能材料。

随着人工智能的迅速发展，科学家们试图让机器学习成为研发的“第二大脑”。然而，当研究对象涉及数据稀缺、体系复杂的前沿材料（如共价有机框架 COFs）时，传统AI模型常常陷入“维度灾难”与“过拟合”困境，难以提供真正可行的科研指导。

为打破这一瓶颈，中科大、武大与港科大的科研团队依托精准智能化学全国重点实验室的智能科学家平台，创新性地提出了“理实迭代”智能科学家系统。该系统通过AI模型与科研人员的高频交互，实现模型预测、实验数据反馈、模型修正的动态循环，为材料科学带来了一种全新的智能化范式。

二、研究创新：AI成为科研共同体的“智能合作者”

团队提出的“理实迭代”策略，是一套让人工智能真正参与科学思考与实验决策的智能科学家系统。该系统不仅能从文献与实验中学习科学规律，还能通过自我演化和持续反馈，与人类科研人员形成“共智体”。这一体系结合了多层AI技术能力——包括语言模型的语义理解、神经网络的相似性学习以及实验数据驱动的机器优化算法。它像一位经验丰富的智能科学家，能在有限的实验结果中迅速识别有价值的方向，从而精准锁定潜在的高性能材料。研究团队借助这一智能科学家平台，在“数据贫乏”的条件下成功筛选出荧光性能卓越的二维亚胺键连接COFs，其中PL-COF-11的光致发光量子产率高达41.3%，刷新了同类材料记录。

图1| 智能科学家系统赋能荧光COF研发的工作流程。

三、系统机制：AI驱动的“理实迭代”科研闭环

1. 构建智能化COF化学空间：

研究团队利用智能科学家平台的文献解析与信息抽取能力，从海量论文与数据库中自动识别可能的氨基与醛基单体，并结合人类专家的化学经验筛选出46个高潜单体，构建出520种潜在组合的COF化学空间。

这一阶段的创新在于：智能科学家系统提供了信息搜索与组合生成的速度，而科研人员提供了判断与筛选的方向，从而形成了一种“机器辅助的科研共识生成”机制。

2. 嵌入化学知识的预训练优化：

传统AI通常仅“看见”数据模式，却不理解化学原理。团队因此引入了电子结构描述符如亲电反应活性和激发态分布等关键化学参数，并通过量子化学计算将其嵌入模型预训练过程中，使AI模型拥有“智能科学家大脑”，能够学习材料的内在物理化学逻辑。这种做法让AI不再是“盲算者”，而是具备初步科学推理能力的科研智能体。

3. 理实迭代与自我进化：

整个智能科学家系统通过“AI预测—实验验证—模型反馈”的闭环迭代实现动态进化。AI提出候选材料后，由实验团队进行验证，实验数据再反哺模型进行优化。经过三轮循环、仅11次实验，系统便从数百个候选中筛选出最佳荧光COF。这一指数级效率提升，意味着AI不仅加快了研究节奏，更改变了科研范式。

图2| 理实迭代的智能科学家系统优化路径的清晰展现。

四、科学洞察：智能科学家模型揭示“高荧光”本质机理

AI的介入不仅带来了结果，更带来了新的科学理解。智能科学家模型的可解释性分析揭示了单体之间的功能分工与能级匹配规律：（1）醛基单元是主要的发光贡献者；（2）胺基单元对跃迁的参与易导致能量耗散（3）高效荧光的关键在于HOMO–LUMO能级的“协同匹配”。通过可视化的电子—空穴分布图，研究者清晰看到强荧光COF中电子跃迁密度集中于醛基区域，而非荧光材料则主要在其他区域耗散能量。智能科学家模型由此帮助化学家揭开了长期困扰领域的“荧光生成机制之谜”，实现了由“经验探索”到“机理认知”的跨越。

图3| 智能科学家模型辅助荧光COF设计的机理研究。

五、意义与展望：智能科学家系统引领材料科研新范式

这项研究的突破，不仅在于发现了新材料，更在于定义了“智能科学家”这一全新科研角色——它能与人类研究者共同思考、实验与进化。

1.重塑科研方法论：智能科学家系统让AI不再只是工具，而是科研过程中的“参与者”。它能在理论与实验间建立反馈循环，让科学发现具备更强的逻辑性与解释力。

2. 实现研发效率的跃迁：仅凭11次实验便锁定最优材料，证明AI驱动的理实迭代机制能将传统数年周期的研发流程压缩至数周，显著降低成本并扩大科研产出。

3. 推动科学认知革新：研究推翻了“亚胺键不利于荧光性能”的传统定论，展示了数据与知识双驱动的AI如何帮助人类发现“反直觉”规律，拓展科学的边界。

4. 迈向智能科学家生态：未来，智能科学家平台将与自动化实验、智能机器人结合，扩展至催化、电池、半导体、药物设计等多领域。这种“理实迭代”的智能科学家生态，将成为推动全球科学进入“自适应发现时代”的关键力量。

六、结语：智能科学家生态，开创科研未来

AI不再只是数据分析的工具，而是科研过程中的“智能同行者”。智能科学家系统让科研从“被动验证”走向“主动发现”，从“经验积累”迈向“理性创造”。在未来，人类科学家的创造性思维与机器智能的计算洞察将深度融合，形成持续共进的智能科学生态。每一次模型优化，都是知识的生长；每一轮实验反馈，都是智慧的进化。当智能科学家成为实验室中的“自主研究者”，我们或许正见证科学史上一个全新纪元的开启。

作者介绍：

邓鹤翔，武汉大学化学与分子科学学院教授、国际交流部副部长。本科毕业于复旦大学，师从赵东元院士；后赴美国加州大学洛杉矶分校取得化学博士学位，师从领域泰斗Omar Yaghi教授。在完成UCLA与伯克利国家实验室的博士后研究后，他于2013年回国加入武汉大学，成为青年学科带头人，并于2020年获国家杰出青年科学基金支持。他的研究聚焦于“分子定制介孔材料”，在气体吸附、催化及生物分子负载等领域取得突破，目前已在Nature，Science，Nature Chemistry等国际一流期刊上发表论文50余篇。

唐本忠，香港中文大学（深圳）理工学院院长、校长学勤讲座教授。是享誉国际的“AIE”（聚集诱导发光）理论开创者。他身兼中国科学院院士、发展中国家科学院院士等多项荣誉，学术影响力卓著：发表论文超2000篇，被引逾16万次，连续多年入选全球高被引科学家。他斩获了国家自然科学一等奖、夸瑞兹密国际科学奖等多项重磅奖项，并担任Wiley旗下旗舰期刊《Aggregate》主编，推动材料学科的全球创新。

江俊，中国科学技术大学精准智能化学全国重点实验室副主任，化学与材料科学学院教授。长期致力于推动“智能科学家”生态的建设，通过融合自动化实验、人工智能与云端科研平台，打造“会思考、能实验、可协作”的智能科学家科研新范式。在国际知名期刊Nature Chemistry, Nature Catalysis, Nature Synthesis, Nature Energy等发表论文200余篇，研发的多款智能软件已服务于多家企业，创造近亿元产业价值，并获国家杰青基金、日本化学会亚洲杰出讲座奖等重要荣誉。