山西
分子金属配合物为开发人工光催化系统提供了可能性。然而，寻找高效的分子光催化系统是一项涉及大量光敏剂与催化剂组合的艰巨任务，通过传统的试错方法进行这一过程极其耗时，而由于缺乏可靠的描述符，高通量虚拟筛选一直无法实现。
基于此，中国科学技术大学/安徽师范大学熊宇杰教授，中国科学技术大学高超特任教授、江俊教授，中科院高能物理研究所陶冶研究员，SLAC国家加速器实验室Dimosthenis Sokaras研究员（共同通讯作者）等人报道了一种利用机器学习（ML）加速的高通量筛选协议，对分子光催化CO2还原系统中的光敏化、电子转移（ET）和催化步骤进行了多重描述符的整合。
作者发现电偶极耦合是一种在高通量筛选协议中涉及电子转移过程的有前景的描述符，其可靠性和在引发动态二氧化碳还原反应（CO2RR）过程中的作用通过光瞬态吸收（OTA）光谱学、原位和时间分辨X射线吸收光谱（TR-XAS）以及密度泛函理论（DFT）计算得到证实。
所提出的高通量筛选协议能够从3444种光敏剂—催化剂组合中快速准确地预测出6种高效的分子光催化系统。筛选出的最优分子光催化系统由CoII催化剂和CuI光敏剂组成，其通量比（TON）为4390，对CO2的选择性为93.8%，表观量子产率为10.34%。本研究范式为高性能人工光催化CO2还原系统的高通量筛选铺平了道路。
Identifying a highly efficient molecular photocatalytic CO2 reduction system via descriptor-based high-throughput screening. Nat. Catal.,2025, https://doi.org/10.1038/s41929-025-01291-z.
（来源：网络版权属原作者 谨致谢意）
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
