人工智能驱动苊烯家族单线态裂变候选分子逆向设计

《Advanced Science》:Artificial Intelligence-Driven Inverse Design of Singlet Fission Candidates in the Acene family

【字体: 大 中 小 】 时间:2026年09月29日 来源:Advanced Science 14.1

编辑推荐:

  在该工作中,研究人员描述了一种人工智能(AI)驱动的逆向设计(inverse design)协议在苊烯(acene)家族内识别单线态裂变(singlet fission, SF)候选分子的成功应用,所探索的化学空间约为1019个分子。取代基效应通过哈梅特σ常数

  
在该工作中,研究人员描述了一种人工智能(AI)驱动的逆向设计(inverse design)协议在苊烯(acene)家族内识别单线态裂变(singlet fission, SF)候选分子的成功应用,所探索的化学空间约为1019个分子。取代基效应通过哈梅特σ常数(Hammett σ constants)进行编码,为未知官能团提供了具有化学可解释性和泛化能力的描述符。研究人员采用基于门控循环单元(Gated Recurrent Unit, GRU)的循环神经网络(Recurrent Neural Network, RNN)模型,准确预测激发单线态(S1)与三重态(T1)能量。该模型与遗传算法(Genetic Algorithms, GA)和粒子群优化(Particle Swarm Optimization, PSO)等优化算法耦合,高效遍历化学空间、优化S1和T1能量,并揭示重复性取代基模式。该方法不仅识别出已知的四苯并苊(tetracene)和五苯并苊(pentacene)候选分子,还发现了满足SF判据的苯、萘和蒽衍生物,这些结构通常难以通过直觉获得。该方法论可通过 https://alba.ugr.es/acene/ 访问,建立了一种通用且可解释的理性分子设计平台,能够探索大型化学空间并发现具有定制激发态性质的化合物。
研究背景方面,化学空间规模可达10200个潜在结构,理性发现具有定制性质的分子仍是纳米科技未解难题。单线态裂变(singlet fission, SF)指一个光激发单线态激子裂分为两个低能三重态激子,可突破肖克利-奎瑟(Shockley–Queisser)极限,但核心判据是S1近似等于2T1,且T1需高于硅、GaAs、CdTe带隙。传统上仅有四苯并苊和五苯并苊被深入研究,苯、萘、蒽因T1过高几乎无SF实例。取代基种类、位置、数量与母核组合使搜索空间巨大,且缺乏S1、T1与取代基关系的参数化模型,合成化学家难以直接设计。因此,研究人员在《Advanced Science》发表该文,提出AI驱动逆向设计框架,用机器学习模型加优化算法在约1019苊烯衍生物空间中筛选SF候选。
关键技术方法上,研究人员以TD-DFT(time-dependent density functional theory,含时密度泛函理论)在B3LYP/6-31G(d)水平计算苯、萘、蒽、四苯并苊、五苯并苊衍生物近30000个样本的S1与T1能量构建数据集;用PyTorch实现双层单向GRU-RNN(hidden size 32),以哈梅特σ常数序列表示取代基并做分子自同构对称平均;以GRU-RNN为适应度函数,分别采用遗传算法(GA)在离散σ空间搜索、粒子群优化(PSO)在连续σ空间搜索,并将GA结果作PSO种子;候选分子再用TD-DFT验证,并用CREST做构象分析。
2 Results and Discussion
2.1 Dataset and Model Training
研究人员用TD-DFT计算近30000个苊烯衍生物S1和T1能量,训练集含–F、–NH2、–OH、–CH3、–CN、–NO2等σ范围?0.66至0.78的取代基,最多四取代;GRU-RNN对四取代S1误差1%–3%、T1误差1%–6%,五、六取代亦可接受,说明模型可覆盖宽化学空间并外推未见取代基。
2.2 Inverse design
2.2.1 The Model
研究人员用双层GRU-RNN将苊烯连接性转为定长向量,以σ常数编码取代基,并对苯取12个对称排列、线型苊烯取4个对称操作后平均预测,从而兼顾图对称性与物理有机化学可解释性,MAE/MSE结果表明模型可可靠预测目标激发态能量。
2.3 Optimization Algorithms
研究人员指出逆向设计只需提供合适候选,SF判据S1≥2T1是必要非充分条件,还需考虑T2、晶体堆积与分子间耦合,故该方法为一阶高通量筛选。
2.3.1 Exploring the Discrete Space of Hammett Constants: Genetic Algorithm (GA) Approach
研究人员用GA找回四苯并苊、五苯并苊候选并可调吸收边;更重要的是发现苯、萘、蒽核心中满足SF且T1高于1.4 eV的候选。对未见基团–CF3、–OMe、–CHO、–COOH,模型在σ空间插值而非外推新化学身份,GA可纳入新取代基并定位新候选,CREST证明主导构象即可代表系综,SF判据对构象效应稳健。
2.3.2 Exploring the Continuum: Particle Swarm Optimization (PSO) Approach
研究人员用DEAP实现PSO,以GA候选为种子在连续σ空间移动,返回至多四个非氢取代基的替代σ值,再映射到约530个已知σ常数对应基团,使化学空间扩至约1019。一维PSO改单个取代基多得到相似σ基团;多维PSO同时改二至四个取代基时可捕捉人眼不可见的电子平衡与补偿,即使GA候选不达标也能修正出可行分子。
2.3.3 Unboxing SF Predictions
研究人员分析蒽族发现两类反复出现的取代模式:内部位点为给体-受体配对,或内部位中等吸电子、邻位给电子;球大小表取代频率、颜色表平均σ。研究人员据此手工设计蒽衍生物,TD-DFT确认这些特权取代模式可系统产生满足SF判据的新结构。
讨论部分总结:研究人员强调AI逆向设计不是黑箱独裁,而是可提取化学规则;模型从6个离散取代基学会泛化,提出促进氢键的给体/受体空间排布等新组合。GA/PSO可加合成约束如基团种类、数目、对称性,使候选兼容实验制备。该平台可迁到其他分子骨架与光物理目标,是加速功能材料发现的通用工具。
3 Conclusions
研究人员开发并验证了一种AI驱动逆向设计协议,可用GRU-RNN经哈梅特σ常数编码取代基,准确预测苊烯家族S1和T1;该模型与GA、PSO耦合,在约1019结构中识别满足S1>2T1的SF候选。除已知四苯并苊、五苯并苊外,方法揭示了苯、萘、蒽经策略官能化也可适用于SF。模型给出可迁移设计规则与特权取代模式,并允许取代基数、类型与对称性等合成约束,平台 https://alba.ugr.es/acene/ 可拓展至其他分子骨架与光物理目标,是有力、可解释且友好的理性发现工具。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号