复旦大学刘智攀团队: 可网页访问的人工智能工具预测分子最优吸附

主要观点总结

本文介绍了复旦大学刘智攀教授团队推出的基于人工智能的端到端工具AIMAP，用于预测分子最优吸附构象和吸附能，并应用于手性氨基酸在高指数金属表面的吸附结构及吸附选择性的预测。该团队建立了分子-铜吸附数据库Cu-HCNO6，并探索了氨基酸在铜表面的吸附结构，提出氨基酸吸附选择性的来源是氨基-羧基中心及官能化的侧链在铜表面手性中心的竞争性吸附。

关键观点总结

关键观点1: 分子-表面相互作用的重要性

分子-表面相互作用在许多科学领域局域核心地位，可以调控表面的电子/光学性质，重塑表面结构，并决定分子的反应活性。

关键观点2: AIMAP工具的应用

刘智攀教授团队推出的AIMAP工具可预测分子最优吸附构象和吸附能，应用于手性氨基酸在高指数金属表面的吸附结构及吸附选择性的预测。

关键观点3: Cu-HCNO6数据库的建立

团队建立了分子-铜吸附数据库Cu-HCNO6，覆盖了超过一百万种吸附结构及对应的吸附能，为研究Cu表面的催化反应提供了数据基础。

关键观点4: 氨基酸在铜表面的吸附结构

通过对搜索得到的吸附结构进行高精度密度泛函计算，发现氨基酸在铜表面发生解离吸附，形成至少三配位的多齿吸附结构。

关键观点5: 手性氨基酸的吸附选择性

团队搜索了17种手性氨基酸在Cu(3,1,17)S高指数手性晶面的最优吸附结构，并发现D-Asp、D-Glu、D-Tyr以及L-His的吸附强度优于其对映异构体。氨基酸吸附选择性的来源是氨基-羧基中心及官能化的侧链在铜表面手性中心的竞争性吸附。

文章预览

分子-表面相互作用在许多科学领域局域核心地位。这种相互作用不仅可以调控表面的电子/光学性质，还可能重塑表面结构，并决定分子的反应活性。然而，由于在有限温度下分子和表面的动态性，分子吸附表征（包括分子构形、锚定点和吸附强度）的实验表征非常具有挑战性。同时，受限于能量计算效率和结构搜索的智能化程度，传统理论计算方法难以准确预测复杂吸附体系的吸附结构。 在诸多表面吸附问题中，以氨基酸为代表的多齿吸附分子在复杂高指数晶面 (如Cu(3,1,17)R ) 的吸附结构搜索和吸附选择性预测，长期以来是极具挑战的科学难题。 近日， 复旦大学刘智攀教授团队推出了一种基于人工智能的端到端工具AIMAP，用于预测分子最优吸附构象和吸附能。 该成果以“Artificial Intelligence Driven Molecule Adsorption Prediction (AIMAP) Applied to Chirality Recogniti ………………………………