加州大学伯克利分校Omar M. Yaghi等使用MOF的链接分子的数据得到数据集，而且使用调控优化的GPT模型作为辅助，提出MOF链接分子的设计理念。这种方法能够促进GPT模型学习如何理解描述分子结构的复杂语言，能够更加准确的预测MOF分子结构。

主要内容

（1）

当将分子结构设计用于探索集水功能MOF材料，对目前代表性的集水性能较好的MOF-303进行系统研究和结构拓展，此外通过分子结构拓展与多变量调控结合，有力的拓展MOF结构。

（2）

系统的合成一系列含有不同杂原子的5元环有机分子（比如噻吩、呋喃、噻唑等五元环以及其之间的组合）构筑多种等规Al MOF，包括LAMOF-1到LAMOF-10。合成的LAMOF实现了目前最好的集水性能，最好的集水性能高达0.64 g g^-1，而且工作区间包括13-53 %的湿度区间，这项工作拓展了集水MOF材料的种类。

参考文献

Zhiling Zheng, Ali H. Alawadhi, Saumil Chheda, S. Ephraim Neumann, Nakul Rampal, Shengchao Liu, Ha L. Nguyen, Yen-hsu Lin, Zichao Rong, J. Ilja Siepmann, Laura Gagliardi, Anima Anandkumar, Christian Borgs, Jennifer T. Chayes, and Omar M. Yaghi*, Shaping the Water-Harvesting Behavior of Metal–Organic Frameworks Aided by Fine-Tuned GPT Models, J. Am. Chem. Soc. 2023

DOI: 10.1021/jacs.3c12086

https://pubs.acs.org/doi/10.1021/jacs.3c12086