记者于 2 月 28 日从中国科大处得知，近期，中国科学技术大学的熊宇杰教授以及高超特任教授团队和其合作者达成了人工光合系统的高通量筛选这一成果，此成果为未来高效人工光合系统的研发给出了一种可行的范式。在 2 月 27 日，该研究成果被作为封面文章发表在了《自然 - 催化》上。
图展示的是期刊封面，内容为基于机器学习加速的人工光合系统高通量筛选。此图由中国科大提供。
构筑人工光合系统，使其光能转化效率更高，有望为缓解能源环境危机以及降低碳排放提供新的理论和技术支撑。在开发高效人工光合系统时，会涉及众多的分子光敏剂与分子催化剂的组合，通过传统的反复试错实验是非常耗时的。因为缺乏可靠的描述符，所以业界一直难以对人工光合系统进行高通量筛选。
熊宇杰和高超长期致力于人工光合系统的能量耦合与转换机制方面的研究。他们在各种体系里提炼出了偶极耦合在能量耦合与转换过程中所起到的普遍性作用。基于此，该团队通过大量的分子光催化体系实验研究，构建起了人工光合系统结构和性能的实验数据库。
他们与中国科大江俊教授课题组展开合作。他们采用了包含光敏化、电子转移和催化这三个关键步骤的不同描述符。他们提出了一种高通量筛选策略，此策略基于机器学习加速分子光催化二氧化碳转化系统。该策略能够对数千种不同的分子光敏剂和分子催化剂组合进行快速筛选。通过该策略可以确定其中的高效人工光合系统。并且这些高效人工光合系统的性能处于国际领先水平。
与中国科学院高能物理所陶冶研究员以及国家加速器实验室 DimosthenisSokaras 研究员展开合作，在此期间，利用时间分辨谱学，证实了偶极耦合作为描述符是可靠的，同时也证实了偶极耦合在引发动态催化反应过程中发挥着作用。
该研究提出的描述符包括催化剂的二氧化碳吸附能、光敏剂的寿命，以及源自于光敏剂和催化剂的本征和跃迁偶极的电子耦合。利用这些描述符可以制定一种高通量筛选方案，从而实现对光敏剂和催化剂组合的快速准确预测。此方案能够从 3444 种光敏剂和催化剂组合中快速准确地预测出 6 种高效的分子光催化体系。
研究人员介绍，该研究范式在未来能够用来指导高效光化学均相催化剂的设计。同时，它还能促进其他催化化学转化领域的发展。（记者汪乔）
