近日，我院王鑫研究团队在《Molecular Catalysis》（IF：3.9）发表了题为“Machine learning-assisted screening of efficient ionic liquids for catalyzing CO2 cycloaddition reaction”的研究论文。

离子液体因其低蒸气压、难易挥发的特性，被视为一种环保型催化剂，尤其在CO₂环加成反应中展现出巨大的应用潜力。然而，设计出高效的离子液体催化剂并非易事，因为离子液体由众多不同的阴阳离子构成，从这些众多组合中筛选出具有卓越催化活性的离子对，是离子液体催化剂开发中的一大挑战。本研究通过搜集文献中关于离子液体催化环氧化合物与CO₂环加成反应的数据，构建了一个机器学习（ML）数据库。我们从离子液体的离子对结构中提取出简单的描述符，作为五种机器学习算法的输入，以预测CO₂环加成反应的产率。随后，用这些经过精确验证的机器学习模型预测了1344种离子液体在常温常压下催化CO₂与环氧化合物反应的性能。通过该方法，成功筛选出了具有卓越催化性能的13种阳离子结构和8种阴离子结构。进一步通过密度泛函理论（DFT）计算，确定了能够在常温常压下催化CO₂环加成反应的离子对结构，从而证明了这种方法在高效开发用于CO₂环加成反应的离子液体催化剂方面的实用性。

本研究获周口师范学院化学化工学院创新项目（项目号：ZSHYCX0306）资助。我院2022级化学专业学生李晴参与论文发表，王鑫博士为第一作者，周口师范学院为第一完成单位。

文章链接：https://www.sciencedirect.com/science/article/abs/pii/S2468823124008125

编审：刘广路 签审：赵辉 审核：任凯