共有結合性有機構造体合成のための化学者主導型人間-AIワークフロー

科学分野:

• 材料科学
• 人工知能
• 化学合成

背景:

• 共有結合性有機構造体（COF）の合成は、専門家の直感と反復実験に大きく依存しており、スケーラビリティと再現性に課題をもたらしています。
• 現在の方法論は、合理的な設計のための体系的なアプローチを欠いており、新しいCOF材料の効率的な発見を妨げています。

研究 の 目的:

• COF合成推論ループのデジタル化と最適化のための化学者主導型人間-AIワークフローを開発すること。
• COFの最適な合成条件（溶媒、触媒、温度、時間、化学量論）の予測を強化すること。
• 複雑な網状材料の合理的な設計とスケーラブルな合成を可能にすること。

主な方法:

• 800以上の出版物（2709プロトコル）からCOF合成知識ベースを構築しました。
• 構造化された文献知識ベースと、仮説生成のための検索拡張型大規模言語モデルを組み合わせました。
• 巨視的観察と粉末X線回折（PXRD）を使用した実験認識型診断モジュールを統合し、反復的な更新を行いました。

主要な成果:

• 人間-AIワークフローは、60個の保持されたCOFに対するアウトオブサンプルベンチマークで、溶媒-触媒ヒット率を最大0.83まで向上させました。
• 結晶性と永続的な細孔を示す2つのフッ素化COF（TAPPy-4FおよびTAPPy-8F）を合成しました。
• システムは、個々のケーススタディを超えて堅牢な転移性を示し、その一般化可能性を検証しました。

結論:

• 開発された人間-AIワークフローは、COFの合理的な設計のための一般化可能でスケーラブルなパラダイムを提供します。
• このアプローチは、専門家の知識とモデル駆動型探索を統合し、材料発見を加速します。
• システムは、化学者の推論ループを効果的にシミュレートし、合成効率と再現性を向上させます。