在材料科学研究领域，精准的结构表征是建立材料结构-性能关系的关键基石。然而，对于结晶度较低的新型材料体系，获取其原子级精度的结构信息一直是一个重大挑战。2024年12月2日，上海科技大学姜珊教授/马延航教授研究团队开发出一种融合电子晶体学与计算智能的结构解析策略(COF+)，为共价有机框架材料(COFs)的结构确定提供了高效精准的解决方案。相关成果以“Determining Covalent Organic Framework Structures using Electron Crystallography and Computational Intelligence”为题发表在J Am Chem Soc期刊上。论文通讯作者是姜珊教授和马延航教授，第一作者是上海科技大学博士研究生张翔宇、胡俊逸和助理研究员刘慧瑜博士。

共价有机框架（COFs）作为新兴的纳米多孔晶态材料，因其独特的结构和功能特性引起了人们的广泛关注。由于组成COFs的构建模块、节点连接性、拓扑和层间穿插数丰富多样，COFs的结构呈现出复杂性和多样性，这也使得在衍射数据分辨率有限的情况下确定COFs晶体结构具有很大的挑战性。目前还没有一种通用而有效的方法来从有限分辨率的3D ED数据中确定COFs的晶体结构。针对这一研究挑战, 研究团队将人工智能算法引入材料结构解析领域。他们开发的COF+方法能够在构建数十万甚至上百万个晶体结构的基础上，通过快速筛选和优化，锁定最优的结构模型，从而大幅提高结构解析的效率。这项技术不仅为COFs的研究提供了强大的工具，也为材料科学中其他复杂结构的解析、以及结构数据库的建立树立了新方法，同时进一步推动了AI与材料科学的深度融合。

图1：COFs材料的结晶过程与结构表征挑战。

该研究通过整合已建立的化学知识与粒子群优化（PSO）算法，实现了对COF结构的高效和准确的确定。具体而言，方法依赖于从低分辨率3D电子衍射数据中获取单位晶胞参数和空间群信息，以指导构建COF结构。根据数据库中统计的键长和键角分布等几何特征，构建了基于化学知识的结构评估体系，通过定义新型适应度函数(fitness)，实现了对COFs结构化学合理性的定量评价。PSO算法在庞大的构型空间中进行高效采样，能够同时生成和评估数以万计的候选结构，在这一过程中使用便于计算的fitness值能够快速判断搭建结构的化学合理性，有效筛选出其中的最优结构。

图2：COF+的具体工作流程。

图3：基于已有COF结构的键长和键角分布等几何特征统计。

该工作选择了四种具有代表性的COFs结构来验证这一新策略的有效性和普适性，包括COF-300，COF-39, 3D-TPB-COF-OMe和3D-TPB-COF-Ph。以COF-300为例，利用PSO算法通过10次平行运行，共构建了200万个结构模型。并采用主成分分析（PCA）手段展示出在100次迭代中所有2000个粒子在简化的2维空间中的演变轨迹。粒子群算法成功地识别出几个局部最优点（用暗红点表示）。文章中报道的最优结构模型与COF-300单晶结构高度一致，这证明了该方法具有较高的准确性和有效性。而通过搭建具有的不同拓扑COF-39结构以及空间群对称性较低的3D-TPB-COF-OMe和3D-TPB-COF-Ph结构进一步验证了该方法的普适性。

图4：基于PSO算法的COF-300全局最优结构的探索过程。

图5：用于构造COF结构的构建单元展示，以及实验结构与粒子群算法找到的全局最优结构比较。

更为重要的是，该智能化策略不仅能够重现已知结构，还展现出发现新型结构的潜力。例如在COF-300的例子中，PSO算法不仅发现了已知的7重穿插dia拓扑结构，还发现了新的自穿插dia拓扑结构。而对于3D-TPB-COF-Ome，PSO算法则同时搜索出了已知pts拓扑结构以及未报到过的spl拓扑结构。这说明该方法在合成和发现COFs结构方面具有重要潜力，为研究人员开拓了COFs的合成可能性，从而有望发现此前未曾观察到的新型COF结构。除此之外，该方法还能协助多样化的COF结构数据库建立，从而支持机器学习和先进计算技术的更广泛应用，通过数据驱动的方法提高COF研究的效率和创造力。(来源：科学网）

图6：通过COF+发现的可能结构。

相关论文信息：https://pubs.acs.org/doi/10.1021/jacs.4c12757