近日，中国科学技术大学研究团队等实现了人工光合系统的高通量筛选，为未来高效人工光合系统研发提供了一种可行性范式。研究成果发表于《自然-催化》。
构筑光能转化效率更高的人工光合系统，有望为缓解能源环境危机、降低碳排放提供新的理论和技术支撑。开发高效人工光合系统涉及大量的分子光敏剂和分子催化剂的组合，通过传统的反复试错实验极其耗时。由于缺乏可靠的描述符，业界一直难以实现人工光合系统的高通量筛选。
研究团队建立了人工光合系统结构和性能的实验数据库，采用包含光敏化、电子转移和催化三个关键步骤的不同描述符，提出了一种基于机器学习加速的分子光催化二氧化碳转化系统的高通量筛选策略。该策略实现了对数千种不同的分子光敏剂和分子催化剂组合快速筛选，找到其中的高效人工光合系统，性能处于国际领先水平。
该研究可制定出高通量筛选方案，实现光敏剂和催化剂组合的快速准确预测。该方案可从3444种光敏剂和催化剂组合中快速准确地预测出6种高效的分子光催化体系。未来，研究成果可用于指导高效光化学均相催化剂的设计，促进其他催化化学转化领域的发展。