近日，我校计算机科学与技术学院万夕里老师指导的2020级研究生鹿存兴在美国化学学会（ACS）出版的国际知名期刊JCIM（《Journal of Chemical Information and Modeling》，IF=6.162）发表研究论文，阐述了一种基于深度学习的金属有机框架材料（MOF）碳捕获性能的端到端的人工智能预测方法。论文数据详实、方法新颖、意义突出，被选为当期封面文章刊发，自线上发表以来广受关注。

论文提出了一种无需构建描述符的端到端的预测方法，即仅以晶体学信息文件（CIF）作为输入，通过深度学习来自适应地学习影响性能的高维度的特征，从而对MOF的性能进行快速而精准的预测。该方法可以在数分钟内对几十万MOF进行预测，预测值前12%的MOF中包含了真实高性能材料中的99.3%，即在实际应用中，对预测值的前12%进行精密计算，可获得近乎所有的高性能材料。相较于前期的分子模拟方法、机器学习方法，人工智能方法节省计算时间近一个量级，大大提高了人们寻找到具有CCS性能优异的MOF的效率，从而推动MOF的应用和发展。

JCIM是美国化学会旗下，专注于化学信息学和计算模拟研究的顶级期刊之一。创刊60年来，JCIM见证着包括化学、生物学和计算机科学交叉的新兴学科领域的诞生和发展。近年来，万夕里课题组综合利用计算机、数学、化学等多学科研究工作，在人工智能、云计算、大数据、传感网等方面开展研究，研究成果在国际主流期刊和会议发表，并获授多项国家发明专利。

作者：计算机科学与技术学院；审核：高辉庆