AI化学观察室 | 当AI遇见COF：数字网状化学如何重塑共价有机框架研究

随着 2025 年诺贝尔化学奖对网状化学领域的认可，金属有机框架（MOFs）与共价有机框架（COFs）的研究再次成为材料科学的焦点。

共价有机框架（Covalent Organic Frameworks, COFs）是一类由轻元素通过强共价键连接形成的晶态多孔材料，自 2005 年被首次报道以来，因其多孔性、低密度、高比表面积、结构可调和化学稳定性，在气体分离、催化、储能、光电子学及药物递送等领域展现出巨大潜力。然而，与金属有机框架（MOFs）相比，COFs的研究进展相对缓慢，实验报道的 COFs 仅约 1, 250 种，而 MOFs 已超过 125, 000 种。这一差距的背后，既有合成结晶度的挑战，也有数据积累和计算工具滞后的因素。

这种数据量的匮乏导致早期 AI 研究主要集中在 MOFs 上。然而，随着假设 COF（hypoCOF）数据库的建立（如 Berkeley COF, ReDDCOFFEE）以及高通量计算筛选（HTCS）的发展，AI 正在填补这一空白。虽然 MOFs 在 AI 辅助研究中起步更早、数据库更庞大，但 COFs 凭借其无金属组成、高化学稳定性和模块化设计的独特优势，正迎来 AI 驱动的黄金时代。

本次分享，我们深度解读发表于 JACS Au 的前瞻性综述 《Digital Reticular Chemistry: How Artificial Intelligence Is Redefining COF Research》，梳理 AI 如何从性能筛选、合成智能到自主发现，全方位加速 COFs 材料的设计与应用，为关注多孔材料交叉研究的读者提供参考。

01 从大规模筛选到数据高效的机器学习

在 MOF 领域，高通量计算筛选结合机器学习已发展得较为成熟。研究者建立了多个公开数据库，并利用巨正则蒙特卡洛（GCMC）或分子动力学模拟生成训练数据。COF 领域虽然起步较晚，但也陆续构建了若干假设结构数据库，例如 Berkeley COF 数据库（约 7 万种）、ReDDCOFFEE（约 27 万种）和 Genomic COF（约 47 万种）。这些数据库为机器学习提供了必要的样本空间。

图1 金属有机框架（MOF）和共价有机框架（COF）研究从网状化学到数字化学的演变：网状化学传统上依赖于实验和人类直觉，而数字化学现在则利用大数据集、高通量分子模拟和机器学习模型，以实现材料的快速预测、筛选和逆向设计

早期工作多采用基于描述符的模型，即人为定义孔径、表面积、元素组成等特征，再与模拟或实验数据建立映射。这类方法在面对新任务时往往需要重新训练，且依赖高质量的描述符设计。近来，研究者开始探索更高效或更通用的策略：

• 主动学习：

在 CH₄ 存储筛选中，主动学习算法从 Genomic COF 的 44 万余种结构中仅通过约 50 次 GCMC 模拟就识别出性能最优的材料，其甲烷可交付容量（222.2 v/v）超过了此前已知的最佳 Berkeley COF（216.9 v/v）。这种迭代采样策略显著降低了计算成本。

• 迁移学习：

针对 COF 数据不足的问题，研究者利用在 190 万种多孔材料上预训练的 Transformer 模型，再微调用于 COF 的 H₂ 吸附预测。结果表明，从 MOF 学习到的表征可以迁移至 COF，在数据有限时仍能保持较好的预测精度。

• 直接结构学习：

部分工作不再依赖人工描述符，而是将 COF 的晶体结构文件（CIF）或势能面体素网格直接输入神经网络。例如，使用卷积神经网络处理三维势能网格，在预测 CH₄ 吸附时，仅用较少训练样本即达到甚至优于传统随机森林模型的精度。另一种方法将原子坐标和元素种类视为点云，利用深度学习直接从原始结构预测吸附量，同样在 COF 案例中表现出良好性能。

不过需要指出，这些模型输入的 CIF 通常代表理想化的周期性结构，未考虑实际二维 COF 中层间堆积无序或偏移的影响，这可能高估或低估实际的吸附性能。

02 AI赋能的多场景应用突破

• 气体分离与存储

ML 模型已成功应用于 COFs 的 CH₄、H₂、CO₂ 吸附性能预测。主动学习策略使得仅需模拟 50 种材料即可从近 45 万种候选物中筛选出最优材料；迁移学习则实现了从 MOFs 到 COFs 的知识迁移，缓解了 COF 数据稀缺问题；而基于晶体结构直接输入的深度学习方法（如 3D 体素化、点云表示），进一步摆脱了对人工设计描述符的依赖。

图2 用于COFs中气体分离和气体储存的机器学习方法：a）基于描述符的机器学习模型用于模拟COF膜；b）主动学习用于预测COFs中CH₄的传递；c）迁移学习用于评估COFs的氢气（H₂）吸收能力；d）直接结构学习用于计算COFs对CH₄的吸收

• 催化、光电子学与能源领域

AI在COF研究中另一个活跃的领域是催化、光电子学和能源相关应用，数据往往来自密度泛函理论（DFT）计算，成本较高，因此数据高效的机器学习显得尤为重要。一个典型案例是 H₂O₂ 光合作用 COF 光催化剂的发现。研究者首先基于 DFT 计算获得分子描述符，训练模型后对约 3.3 万种 COF 进行筛选，随后合成了排名靠前的候选材料。其中性能最佳的 TAPPy-COF 在可见光下的 H₂O₂ 产率达到 7.0 mmol g⁻¹ h⁻¹，优于已有报道的 COF 光催化剂，且结构稳定。

在荧光 COF 的发现中，主动学习被用于直接指导实验：贝叶斯优化算法在仅有少量初始数据的情况下，从 3 种三醛与 26 种二胺的组合空间中推荐了 15 种 COF 进行合成，结果发现两种材料的荧光量子产率分别达到约 55% 和 45%，超越了此前的最好水平。这表明即使在化学空间相对较小、初始数据极少时，机器学习仍能有效识别异常高性能材料。

图3 人工智能辅助的COF设计与发现，用于催化、光电子和能源应用：a）基于机器学习的光催化制备H₂0₂催化剂设计；b）利用人工智能辅助发现高荧光COFs；c）基于机器学习的串联吸附式热泵用分子筛膜MOF和COF对筛选

• 环境与生物医学应用

在环境领域，短链 PFAS（如全氟丁酸）的水处理是一个难题。研究者用蒙特卡洛模拟计算了部分 COF 的吸附选择性，再训练晶体图卷积神经网络预测剩余结构，发现三嗪基 COF 对 PFBA 选择性最高，而硼基 COF 虽然选择性也不错但水稳定性差。这类分析不仅提供了排序，还指出了值得优先研究的化学类型。

图4 基于人工智能的COF筛选在环境和生物医学中的应用：a）利用机器学习加速的高通量筛选，用于从水中去除短链全氟和多氟化合物(PFAS)；b）深度神经网络引导的COF筛选，用于5-氟尿嘧啶(5-FU)负载

在生物医学方面，针对 5-氟尿嘧啶药物负载的预测，深度神经网络表明比表面积和孔径是主要控制因素，并筛选出 COF-362 作为吸附焓最高的候选。不过作者也提到，药物释放过程通常需要分子动力学模拟，计算成本较高，未来若能结合加速 MD 的 AI 方法，将更有助于实际应用。

03 合成智能:

从条件优化到自主发现

近年来，COF 研究的一个显著趋势是将 AI 从单纯的性能预测拓展到合成条件的优化与设计。传统合成 COF 需要精确控制溶剂、催化剂、温度、时间和化学计量比，这些参数通常依赖文献经验或反复试验。

较早的工作聚焦于已知 COF 的条件优化。例如，在用于大气集水 COF-323 的合成中，研究者利用基于 ChatGPT 的助手进行文献检索和实验规划，配合贝叶斯优化推荐微波合成条件。经过 82 次实验，AI 引导的合成方案使 BET 表面积达到 926–1459 m²/g，约为此前报道最高值的两倍，且在 10–40% 相对湿度下的水工作容量显著提升。

更大规模的尝试是将文献中的合成知识系统化。研究者从 800 多篇 COF 论文中提取了 2709 个合成方案，包括连接体组合、溶剂、催化剂、温度、时间及 PXRD 结果等，构建了一个可检索的数据库。采用检索增强生成（RAG）的方法，对新的连接体对推荐合成条件。基准测试显示，推荐溶剂和催化剂与文献成功条件的一致性约为 83%，实验验证也成功合成了两种新型氟化 COF。

更进一步，LLM加速合成技术（LFAST） 将大语言模型与机器人合成及高通量 PXRD 分析整合。面对一种被 118 篇论文报道但始终未获得尖锐衍射峰的 COF（TpPa-SO₃H），该系统实现了迄今最高的结晶度指数。随后，系统在没有文献先例的情况下，提出并成功合成了一种全新 COF——COF-2000，展示了从推荐条件到自主发现的跨越。

另一项工作中，AI 被用于为特定性能目标选择构筑基元。基于对 355 篇 COF 光催化论文的文本挖掘（提取超过 1.1 万个化学关系），系统推荐了 TAPT 和 BTT 作为构筑单元，并合成了亚胺连接的 Imi-COF 和噻唑连接的 Thz-COF，后者在 H₂O₂ 产率和结构稳定性上均更优。

图5 人工智能辅助的人工引导型COF合成、发现与优化：a）人工智能与人工协作，对COF-323的合成条件进行迭代优化，以提高其结晶度和水吸附能力；b）人工智能与人工协作，用于合成新型氟化COFs；c）LFAST辅助的自动化COF合成与结晶度优化；d）具有光催化制氢目标性能的COFs的自主发现

不过作者也谨慎指出，仍需保持清醒。当前的 AI 模型大多基于完美的晶体结构（CIF 文件），当前大语言模型并未真正理解 COF 的成核与生长机制，其推荐主要基于文献中的统计关联，而非物理或化学机理。现实中的 COFs 往往存在层间堆积无序、缺陷和稳定性问题。此外，缺乏 “失败实验” 的数据，也让 AI 对合成难度的评估存在偏差。

因此，AI 预测与文献结果的高度一致性并不等同于真正的 “发现”，严格的实验验证和跨体系的基准测试仍然是必需的。未来的关键，在于建立包含失败案例的标准化数据库，开发能理解复杂拓扑结构的生成式 AI，并最终实现计算与实验的闭环。

04 挑战与未来方向

尽管上述进展令人鼓舞，该展望也明确指出了若干瓶颈：

• 数据质量与偏差：

失败的合成、低结晶度或无定形产物很少被报道，导致训练数据偏向成功案例，模型可能高估合成可行性。未来的数据库应系统收录负面结果，并增加标准化的合成与表征标签。

• 结构表示与拓扑泛化：

大多数模型假设理想晶体结构，对二维 COF 的层间堆叠无序、柔性或缺陷缺乏有效描述。此外，常见拓扑结构（如 hcb、sod）容易被编码，但较复杂的网络（如 qom、ana）则难以推广。改进拓扑感知表示将是提升生成模型可靠性的关键。

• 计算与实验的闭环：

作者强调，未来的自主实验室应实现 “设计—合成—表征—再设计” 的闭环，这需要计算科学家与实验化学家的深度协作。同时，文本挖掘工具（如针对 COF 的 ChemicalTagger 或 MOF-ChemUnity）应扩展到捕捉稳定性限制、活化失败等信息，以训练更具 “合成意识” 的 AI 模型。

• 机器学习势的发展：

目前针对 COF 的机器学习势函数仍很有限，而 COF 的共价键特性、层间弱相互作用及结构柔性都需要专用势能模型。结合量子力学计算、原子模拟和机器学习的多尺度方法有望更真实地预测吸附、扩散及结构响应。

总体来看，AI 在 COF 领域的角色正从加速计算筛选扩展到辅助实验设计和合成规划。但它的作用仍是辅助性的 —— 将研究者的精力从重复性试错中解放出来，而非取代对化学本质的理解。对所有材料科学的前沿探索者来说，拥抱 “数字网状化学”，意味着我们正站在下一个重大科学突破的门槛上。

文献原文：

https://doi.org/10.1021/jacsau.6c00576

声明：

本文所有内容旨在学术探讨与信息交流，所有权利归原作者所有。

从学术前瞻到产业落地,

晶泰科技的AI+材料研发布局

学术界的展望为我们勾勒了 AI 辅助 COF 研究的诸多可能性，但一个不容忽视的现实是：这些方法大多仍停留在计算筛选和有限实验验证阶段。从 AI 推荐到实验室可靠合成，中间还横亘着数据碎片化、实验通量不足、反馈周期长等障碍。要真正跑通 “预测—实验—迭代” 的闭环，不仅需要更聪明的算法，也需要标准化的实验数据生成能力和自动化的执行平台。晶泰科技的算法体系以 AI 为核心，构建了 “干湿闭环” 的科研体系，在药物、材料等多领域实现技术落地。

1. 核心算法布局：200+垂类AI化学模型打造“化学超级大脑”

依托百万级化合物与反应数据库，打造覆盖分子生成、结构优化、反应预测、性质预判、条件筛选等全研发场景的 200 + 垂类 AI 化学模型，融合量子力学计算与机器学习能力，自由能微扰计算精度行业领先，可精准预判反应可行性、分子成药性与材料理化性质，还能自主遍历海量化学空间生成最优实验方案，实时复盘数据修正参数。

2. 算法落地核心：“干湿闭环”实现AI与实验双向赋能

• 干实验（AI 算力）指导湿实验：

AI 提前预判最优反应路径、筛选核心参数，让自动化实验精准靶向有效研发方向

• 湿实验反哺干实验：

自主实验室产生的海量结构化真实数据持续训练、迭代 AI 模型，实现越用越准的自进化效果，打通 “AI 预测 - 智能设计 - 自动化实操 - 数据迭代” 的闭环

3. 材料领域算法应用案例

• 高分子材料配方优化：

基于客户历史数据建立 AI 预测模型并推荐配方，硬件实现全流程自动化，通过表征结果自主推荐下一轮实验，仅需 3-6 次迭代即可锁定最佳配方，实现 AI + 高分子自动化合成的数据闭环

• MOF 材料研发：

将结构表征与性能测试直接关联，构建以性能为导向的数据闭环，实现 MOF 材料从随机试错向理性设计与快速迭代的跨越

• 催化材料研发：

搭建全流程自动化高通量研发平台，通过 XRD 样品自动制备与表征，系统自动比对分析谱图、判断实验是否达标，结合评价结果利用算法挖掘分子筛结构与催化性能的构效关系

• 电解液配方优化：

先利用通用 AI 模型提取并结构化公开文献数据，再通过图神经网络构建高精度性质预测模型并智能采样，最后由自动化工站执行方案并通过主动学习策略实时优化模型精度

图 AI+机器人结合赋能材料科学研究

4. 算法数据支撑：AI4Science 数据基座与标准化数据基建

• 生物材料研发自主实验室通过端到端自动化、复杂操作标准化和 AI4Science 数据基座，打通 “自动化实验→数据沉淀→模型迭代→智能决策” 的 AI 研发闭环

• 自主研发为 AI 算法而生的数据基础设施，将材料结构、配方、工艺等关键参数编码化，构建专属结构化实验数据库，解决传统实验数据碎片化、非结构化的难题