大语言模型驱动的共价有机框架设计：实现高效光催化过氧化氢合成新策略

《Nature Communications》：Synthesis of covalent organic frameworks for photocatalytic hydrogen peroxide production guided by large language models

为克服传统蒽醌法生产H2O2能耗高以及现有光催化剂产量低的瓶颈，研究人员开展了一项结合人工智能与材料科学的前沿研究。他们利用大语言模型分析海量文献，指导合成了新型共价有机框架(COF)光催化剂Thz-COF。该材料在不使用牺牲剂的条件下，实现了82.3 mM的高浓度H2O2产出，太阳能到化学能转换效率达1.39%，为可持续过氧化氢生产提供了创新方案。

　　

在追求绿色化学与可持续能源的时代，如何高效、清洁地生产基础化学品是科研界与工业界共同面临的挑战。过氧化氢(H₂O₂)作为一种重要的绿色氧化剂和潜在的能源载体，在造纸、废水处理、消毒乃至燃料电池等领域有着广泛应用。然而，目前全球超过95%的H₂O₂生产依赖于已有近百年历史的蒽醌法，该工艺步骤繁琐，且严重依赖贵金属催化剂和高压氢气，能耗巨大。利用取之不尽的太阳能，通过光催化技术，直接由水和氧气合成H₂O₂，被视为一条极具吸引力的理想路径。

共价有机框架(COF)作为一种新兴的晶态多孔有机聚合物，因其可精确设计的孔道结构、优异的稳定性以及可调控的光电性质，在光催化领域展现出巨大潜力。近年来，科学家们已经开发出多种可用于光催化产H₂O₂的COF材料。但一个核心矛盾始终存在：为了追求高催化活性，研究人员倾向于构建具有强光吸收和高效电荷分离能力的复杂结构，但这些结构往往在长期的光照和水氧环境下不够稳定；而结构过于稳定的COF，其催化活性又难以满足实际应用的需求。大多数已报道的COF光催化剂产出的H₂O₂浓度仅为毫摩尔甚至微摩尔级别，距离规模化应用相去甚远。这一困境背后，是材料“结构-性质-性能”之间复杂且非线性的关系，传统“试错法”研究模式难以系统性地挖掘最优解。

为了突破这一瓶颈，本项发表于《Nature Communications》的研究独辟蹊径，将人工智能的前沿工具——大语言模型(LLM)引入到了材料设计的最前线。研究团队的核心思路是：将分散在浩瀚科学文献中的隐性知识转化为可指导合成的显性规则。他们首先构建了一个包含355篇经过同行评议的COF光催化研究文献的专业语料库。随后，通过开发一套语言模型驱动的知识提取流程，从这个语料库中自动化地提取并结构化出超过11,000条化学关系，这些关系涵盖了结构单元（单体）身份、连接键的稳健性以及H₂O₂产率等关键维度。这相当于为COF光催化领域构建了一个专属的“知识图谱”。

基于这个由人工智能生成的知识库，研究团队获得了明确的设计指引。他们成功识别出4,4′,4″-(1,3,5-三嗪-2,4,6-三基)三苯胺和苯并[1,2-b:3,4-b′:5,6-b″]三噻吩-2,5,8-三甲醛作为最优的结构单元，并选定噻唑作为首选的连接基元，用以构建一个兼具高活性和高稳定性的光催化COF。

为开展此项研究，作者主要运用了以下几项关键技术方法：首先是大语言模型驱动的文献挖掘与知识提取技术，用于从非结构化的科研文本中构建结构化知识库；其次是基于知识库指导的共价有机框架理性设计与合成化学方法；第三是材料的光电化学表征技术，包括紫外-可见漫反射光谱、荧光光谱、电化学阻抗等，用以评估材料的光吸收和电荷分离能力；最后是光催化性能评价体系，即在模拟太阳光照射下，于水溶液（不使用任何牺牲剂）中定量检测生成的H₂O₂浓度，并计算太阳能到化学能的转换效率。

设计策略与材料合成

研究人员遵循AI知识库的指导，通过4,4′,4″-(1,3,5-三嗪-2,4,6-三基)三苯胺（给电子单元）、苯并[1,2-b:3,4-b′:5,6-b″]三噻吩-2,5,8-三甲醛（吸电子单元）与噻唑连接基之间的席夫碱反应，成功合成了一种新型的二维共价有机框架，并将其命名为Thz-COF。结构表征证实了其高度结晶的蜂窝状拓扑结构、永久孔隙率以及优异的热稳定性与化学稳定性。

光电化学性质

光谱学与电化学测试表明，Thz-COF具有宽范围的可见光吸收和合适的能带结构，其导带位置足以驱动氧气的单电子还原生成超氧自由基(·O₂^-)，这是H₂O₂生成的关键中间体。同时，噻唑连接键的引入增强了框架的共轭性和电荷传输能力，显著降低了光生电子-空穴对的复合率，为高效光催化提供了基础。

光催化性能

在模拟太阳光照射且不使用任何牺牲剂的纯水体系中，Thz-COF展现出了卓越的光催化产H₂O₂性能。其H₂O₂生成速率远超大多数已报道的COF基甚至无机光催化剂。最终，在水溶液中达到了82.3 mM（约0.28 wt%）的高浓度累积，对应的太阳能到化学能转换效率为1.39%。该性能指标已接近部分实际应用的浓度要求。此外，Thz-COF在连续多轮的光催化循环测试中保持了良好的活性和结构完整性，证实了其出色的稳定性。

机理探究

通过电子自旋共振(ESR)捕获实验和同位素标记等手段，研究人员进一步阐明了反应机理。结果表明，H₂O₂的生成主要通过氧气的两步单电子还原路径（·O₂^-中间体）进行，同时水氧化产生的质子(H⁺)也参与了反应。Thz-COF高效的电荷分离能力确保了还原与氧化半反应能够协同进行。

本研究得出结论：通过大语言模型驱动的知识挖掘策略，能够高效地从海量文献中提取关键化学关系，并成功指导高性能光催化材料的理性设计。所合成的Thz-COF材料在无需牺牲剂的条件下实现了高浓度H₂O₂的光合成，其性能达到了领域内的领先水平。这项工作不仅展示了一种将人工智能与实验科学深度融合的新范式，为加速功能材料的发现提供了强大工具；更重要的是，它为解决光催化材料长期以来面临的“活性-稳定性”权衡难题提供了一条可行的设计思路。研究者指出，基于AI的知识提取方法具有通用性，可扩展至其他复杂的材料体系，如金属有机框架(MOF)、聚合物或无机半导体，从而推动整个清洁能源催化领域的快速发展。该研究为实现太阳能驱动下关键化学品的绿色、经济、规模化生产迈出了坚实的一步。