金属有机框架材料的高通量计算筛选研究进展
金属有机框架（Metal-Organic Framework, MOF）材料因其超高的比表面积、可调的孔径和丰富的化学功能性，在气体吸附分离、催化、传感等领域展现出巨大潜力。然而，MOF的化学空间极其庞大——理论上可合成的MOF结构超过10万种，如何从中高效筛选出性能最优的材料成为关键挑战。
计算筛选方法学进展
近年来，基于分子模拟的高通量计算筛选已成为MOF材料发现的重要工具。研究人员利用巨正则蒙特卡洛（GCMC）模拟和密度泛函理论（DFT）计算，对大规模MOF数据库进行系统性筛选。2026年初，中国科学家团队从超过10万种候选MOF中成功识别出数种具有工业应用前景的二氧化碳捕获材料，其CO₂/N₂选择性超过500。
机器学习的加速作用
机器学习模型的引入大幅提升了MOF筛选效率。通过训练图神经网络预测MOF的气体吸附性能，研究人员能够在数秒内完成对一种MOF的性能评估，而传统GCMC模拟需要数小时。这种”粗筛+精筛”的组合策略正在成为行业标准。
从计算到实验的闭环验证
计算筛选预测的”明星MOF”正在越来越多地得到实验验证。2025年，至少有3种通过计算筛选发现的MOF材料实现了公斤级合成，并展示了与预测高度一致的性能。
（本文由会议学术委员会供稿）
