AMR Account∣西安近代化学研究所刘英哲研究员团队：数据驱动的高能材料组合设计

近日，西安近代化学研究所刘英哲团队的AMR述评文章“Data-Driven Combinatorial Design of Highly Energetic Materials”在线发表。文章介绍了高能材料的理论设计方法，重点关注数据驱动的“骨架+基团”组合设计策略，并且指导合成了多个目标分子，同时展望了该领域的未来发展方向与挑战。

关键词：高能材料，数据驱动，组合设计

提出数据驱动的高能材料设计新范式，实现大样本量高能分子的高效设计。

1 文章内容简介

高能材料通常是指含有硝基等爆炸性基团，能够独立进行化学反应并快速释放大量化学能的物质。高能材料的设计可分为两种方式：一种是基于经验直觉设计；另一种是基于理论计算设计。经验设计主要依赖于科研人员的智慧，而理论设计则一般依照“骨架设计-基团键连-性能评估”的研究流程，利用量子化学计算等手段虚拟筛选出满足性能需求的目标分子。然而，由于现有骨架结构种类与新颖性的限制，使得该方法难以突破传统高能分子结构的构建认知。

我们团队长期致力于高能材料的理性设计方法研究，提出了数据驱动的高能分子组合设计思想，针对骨架结构获取方式的不同，分别构建了基于已知骨架、基于半已知骨架、基于未知骨架的系统设计方法，通过数据挖掘、高通量组合生成等策略，实现了千万量级的高能分子建模与性能评估，设计筛选出系列稠环、多环与笼型高能分子，并进一步指导实验成功合成出3种氧杂环丁烷类目标分子。

最后，我们还总结了高能材料分子设计在结构生成多样性、性能优化筛选方面所面临的难点与挑战，并展望了生成式模型、多目标优化等前沿方法的应用前景，期望人工智能技术能为未来的理论设计研究提供有益启发。

2 AMR：您对该领域的发展有何愿景？

作者团队：

进入二十一世纪以来，量子化学、计算科学、人工智能等技术飞速发展，极大提升了新材料的发现效率。高能材料作为国家战略性资源，是国防实力持续提升的物质保障。因此，我们希望通过交叉融合人工智能技术与高能材料相关领域知识，以数据、模型为抓手，探索发现更多满足国家战略需求的新型高能材料。

3 AMR：请和大家分享下科研心得！

作者团队：

大家在树立远大理想之时，应不忘持续深化对基础理论的理解与掌握，同时保持对前沿技术的长期关注，以确保在不断变化的科技发展中保持强劲的竞争力。最后，仰望星空，脚踏实地，以坚定不屈的精神迎接每一个挑战，不断前行。

作者团队简介

刘英哲：西安近代化学研究所研究员，博士生导师，主要从事高能材料理论设计方法研究。

汪营磊：西安近代化学研究所研究员，博士生导师，主要从事含能功能材料设计、合成及应用研究。

文琳元：西安近代化学研究所助理研究员，主要从事高能材料理论设计方法研究。

扫码阅读刘英哲研究员团队的精彩Account文章：

Data-Driven Combinatorial Design of Highly Energetic Materials

Linyuan Wen, Yinglei Wang*, and Yingzhe Liu*

原文链接：

https://pubs.acs.org/doi/10.1021/accountsmr.4c00230

投稿指南目前Accounts of Materials Research的投稿主要基于编辑团队的邀请。如您有意投稿，请先按照Author Guidelines的要求准备并投递proposal， 编辑团队会对您的proposal进行评审。如果proposal被接受，我们将向您发送投稿邀请。扫码阅读作者指南，下载proposal form：