由大型语言模型指导的共价有机框架合成用于光催化过氧化氢生产

把阳光、水和空气转化为有用的清洁剂

过氧化氢是许多人从药箱和清洁喷雾中认识的起泡液体。工业上大规模生产它，但现有方法耗能大且会产生化学废料。这项研究探索了一条更环保的途径：利用阳光将水和空气中的氧直接转化为过氧化氢，并展示了人工智能系统如何帮助化学家设计更好的光驱动材料来完成这项工作。

为什么清洁过氧化氢很重要

过氧化氢受到重视是因为它在使用后会分解为普通的水和氧，同时具有消毒食品、净化水和推动化学制造的作用。如今它主要通过基于蒽醌的传统工艺生产，这需要高温、高压以及对有机溶剂的谨慎处理。尝试模仿自然、在阳光下直接由水和氧制备过氧化氢的研究显示出希望，但大多数实验室制备的材料产生的溶液浓度在实际应用中远远不够。要在不浪费能量或添加额外化学物质的情况下达到实用浓度一直是一个难题。

教计算机阅读化学文献

作者转向大型语言模型——与高级聊天机器人相同类型的人工智能——去梳理关于一类多孔材料共价有机框架（COFs）的最新研究。这些框架像由有机构件通过特定键连接而成的结晶海绵。团队不是人工阅读数百篇论文，而是将355篇关于基于COF的光催化剂的出版物输入到一个AI流程中。模型自动识别关键信息片段，并将有关构件、键连、稳定性和过氧化氢产量的1.1万多条陈述转换为结构化的“知识图谱”。这个化学关系图随后可以用自然语言查询，以寻找看起来既能在水中耐久又在光下活跃的组合。

发现并构建更好的光海绵

在这个由AI构建的知识库指导下，系统突出了两种特定的有机组分——一种基于三嗪环，另一种基于富含硫的苯并三噻吩环——当通过噻唑键连接时尤为有前景。化学家用相同的构件但不同的连接键合成了两种COF：一种带有更常见的亚胺键（Imi‑COF），另一种带有噻唑键（Thz‑COF）。详细测试显示两者都具有有序的海绵状结构和相似的孔径，但噻唑连接的版本明显更坚韧。它能耐强酸、强碱和浓过氧化氢，并在高温下保持稳定，而亚胺连接的框架在更苛刻的条件下发生降解。

新材料如何收集光并传递电荷

光学测量和超快光谱揭示了Thz‑COF优于其同类的原因。噻唑键将材料的光吸收扩展到可见光更深的部分并略微缩小了能隙，使其能够捕获更多的太阳光谱。在Thz‑COF中，光生电子和空穴在空间上更好地分离并且在复合前存活的时间更长，从而有更多时间参与材料表面的化学反应。计算显示，噻唑位点对氧分子的结合恰到好处，能够促进形成过氧化氢的两电子还原途径，同时避免对产物结合得过紧。相比之下，亚胺键对过氧化氢的结合更强，反而促进了其分解而非释放。

从实验室光源到现实世界应用

在纯水中并通以氧气、在可见光照射下测试时，Thz‑COF产生过氧化氢的速率大约是亚胺连接版本的两倍，而且关键的是，它能够持续累积产物而不是很快达平衡。经过72小时，它达到了约0.28重量％——比对照材料高出五倍多，并超过用于某些食品解毒等任务所需的阈值。在一个设计用以进一步浓缩产物的两相体系中，该系统实现了近1.9％的过氧化氢，适用于食品消毒和牙齿美白等用途。所生成功能在快速漂白染料污染物并几乎完全杀灭常见细菌方面表现出色，且材料在多次循环后仅有适度的结构变化，仍保持活性。

这对更环保化学意味着什么

对非专业读者来说，关键信息是：人工智能现在可以梳理海量的化学知识并引导实验人员做出更明智的选择，而不必仅依赖试错或直觉。在本例中，这种指导促成了一个稳健的光收集框架，它无需额外燃料分子即可将普通的水和空气转化为在实用浓度边缘的多用途消毒剂。这项工作表明，将语言模型与巧妙的数据结构配对可以加速寻找其他阳光驱动材料的步伐，使更清洁的日用化学品合成路线更接近现实。

引用: Shu, C., Wang, L., Yang, X. et al. Synthesis of covalent organic frameworks for photocatalytic hydrogen peroxide production guided by large language models. Nat Commun 17, 3046 (2026). https://doi.org/10.1038/s41467-026-69549-z

关键词: 过氧化氢, 光催化, 共价有机框架, 材料发现, 大型语言模型