韩国科学技术研究院(KAIST)的研究团队利用人工智能技术，成功识别出高效二氧化碳捕获材料。这项由化学和生物分子工程系Jihan Kim教授领导的研究，与伦敦帝国理工学院合作完成，成果发表在《Matter》期刊。

研究团队开发了机器学习力场(MLFF)技术，能够精确预测金属有机骨架(MOF)材料与二氧化碳、水分子间的相互作用。该系统以量子力学精度快速计算吸附特性，从8000多种MOF结构中筛选出100多个高效二氧化碳捕获候选材料。

"传统方法难以准确预测复杂分子间作用力，"Kim教授表示，"我们的MLFF技术解决了这一难题，为碳捕集材料设计提供了新工具。"研究还确定了影响材料性能的七个关键化学特性，为后续研发提供指导。

这项技术突破有望推动直接空气捕获(DAC)技术的发展，提升二氧化碳捕集效率。相比传统方法，新系统能发现更多潜在高性能材料，且计算速度显著提升。

更多信息： Yunsung Lim 等人，利用可迁移机器学习力场加速金属有机骨架的二氧化碳直接空气捕获筛选，Matter ( 2025)。期刊信息： 物质