越来越热的地球，加速融化的冰川，频频发生的自然灾害……气候变化已然成为全球人类都在面对的重大难题。减少大气中温室气体二氧化碳的浓度，是应对气候变化的重要手段之一，而碳捕集是实现这一目标的核心。
目前，人类还没有找到一种合适的材料，能以低成本实现有效的碳捕集。其中一种候选材料是金属有机框架（MOFs），这种多孔材料可以选择性地吸收二氧化碳。然而，设计出具有最佳碳选择性和碳容量的MOFs是一项重大挑战。迄今为止，MOF的设计一直依赖于大量的实验和计算工作，既昂贵又耗时。
来自美国阿贡国家实验室的研究团队及其合作者，在一项最新研究中，借助生成式AI加快了发现MOFs潜在配置的过程。具体而言，他们利用生成式AI框架GHP-MOFassemble，通过组装随机生成的MOFs结构，结合分子动力学模拟和Monte Carlo模拟，可以在30分钟内逐个构件快速组装出12万多个新的候选MOFs。
相关研究论文以“A generative artificial intelligence framework based on a molecular diffusion model for the design of metal-organic frameworks for carbon capture”为题，已于2月14日发表在Nature子刊Communications Chemistry上。
未来，他们将借助阿贡领导力计算设施（ALCF）的Aurora超大规模超级计算机，同时调查数十亿个候选MOF，包括许多以前从未被提出过的候选MOF。
研究团队表示，这种超越传统的方法有望带来一种变革性的MOFs材料——一种可以很好地捕获碳、具有成本效益且易于生产的材料。