中新网合肥2月28日电 (记者 吴兰)记者28日从中国科学技术大学获悉，该校熊宇杰教授、高超特任教授团队与合作者实现了人工光合系统的高通量筛选，为未来高效人工光合系统研发提供了一种可行性范式。

这一借力人工智能而实现的研究成果2月27日作为封面文章发表于《自然-催化》(nature catalysis)。

构筑光能转化效率更高的人工光合系统，有望为缓解能源环境危机、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的过程中，涉及大量的分子光敏剂和分子催化剂的组合，通过传统的反复试错实验极其耗时。由于缺乏可靠的描述符，业界一直难以实现人工光合系统的高通量筛选。

熊宇杰、高超长期从事人工光合系统的能量耦合与转换机制研究，在各种体系中凝练出偶极耦合在能量耦合与转换过程中的普适性作用。在此基础上，该团队通过大量的分子光催化体系实验研究，建立了人工光合系统结构和性能的实验数据库。

在通过与中国科大江俊教授课题组合作，提出了一种基于机器学习加速的分子光催化二氧化碳转化系统的高通量筛选策略。该策略实现了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，确定其中的高效人工光合系统。

与此同时，与中国科学院高能物理所陶冶研究员和国家加速器实验室Dimosthenis Sokaras研究员合作，利用时间分辨谱学证实了偶极耦合作为描述符的可靠性，并证实了偶极耦合在引发动态催化反应过程中的作用。

该研究提出的描述符——催化剂的二氧化碳吸附能、光敏剂的寿命、源自于光敏剂和催化剂的本征和跃迁偶极的电子耦合，可以制定一种高通量筛选方案，实现光敏剂和催化剂组合的快速准确预测。该方案从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，该研究范式未来可用于指导高效光化学均相催化剂的设计，促进其他催化化学转化领域的发展。(完)