中新網合肥2月28日電 (記者 吳蘭)記者28日從中國科學技術大學獲悉，該校熊宇杰教授、高超特任教授團隊與合作者實現了人工光合系統的高通量篩選，為未來高效人工光合系統研發提供了一種可行性范式。

　　這一借力人工智能而實現的研究成果2月27日作為封面文章發表于《自然-催化》(nature catalysis)。

　　構筑光能轉化效率更高的人工光合系統，有望為緩解能源環境危機、降低碳排放提供新的理論和技術支撐。在開發高效人工光合系統的過程中，涉及大量的分子光敏劑和分子催化劑的組合，通過傳統的反復試錯實驗極其耗時。由于缺乏可靠的描述符，業界一直難以實現人工光合系統的高通量篩選。

　　熊宇杰、高超長期從事人工光合系統的能量耦合與轉換機制研究，在各種體系中凝練出偶極耦合在能量耦合與轉換過程中的普適性作用。在此基礎上，該團隊通過大量的分子光催化體系實驗研究，建立了人工光合系統結構和性能的實驗數據庫。

　　在通過與中國科大江俊教授課題組合作，提出了一種基于機器學習加速的分子光催化二氧化碳轉化系統的高通量篩選策略。該策略實現了對數千種不同的分子光敏劑和分子催化劑組合進行快速篩選，確定其中的高效人工光合系統。

　　與此同時，與中國科學院高能物理所陶冶研究員和國家加速器實驗室Dimosthenis Sokaras研究員合作，利用時間分辨譜學證實了偶極耦合作為描述符的可靠性，并證實了偶極耦合在引發動態催化反應過程中的作用。

　　該研究提出的描述符——催化劑的二氧化碳吸附能、光敏劑的壽命、源自于光敏劑和催化劑的本征和躍遷偶極的電子耦合，可以制定一種高通量篩選方案，實現光敏劑和催化劑組合的快速準確預測。該方案從3444種光敏劑和催化劑組合中快速準確地預測出6種高效的分子光催化體系。

　　研究人員介紹，該研究范式未來可用于指導高效光化學均相催化劑的設計，促進其他催化化學轉化領域的發展。(完)