資訊| 打破“數據孤島”， AI賦能多孔材料吸附報告

01

背景介紹

21世紀，全球面臨著前所未有的能源、環境和可持續發展挑戰。從氣候變化帶來的極端天氣，到日益增長的能源需求，再到水資源短缺和環境污染，這些問題迫切需要創新的科學解決方案。在眾多前沿科技中，多孔材料（圖1）以其獨特的物理化學性質，正逐漸成為解決這些全球性難題的關鍵。這些材料內部充滿了微小孔隙，擁有巨大的比表面積，使其在吸附、分離、催化、儲能等領域展現出卓越的性能。

圖1. 多孔材料

多孔材料的家族成員眾多，且仍在不斷壯大。傳統的材料如沸石和活性炭，因其成熟的制備工藝和廣泛的應用，在工業界占據重要地位。而近年來，隨著材料科學的飛速發展，一系列新型多孔材料如金屬有機框架（MOFs）、共價有機框架（COFs）以及各種多孔聚合物（如PAFs、PIMs等）和二維材料異軍突起（圖2）。這些新材料通過精密的分子設計和合成，能夠實現對孔隙結構、尺寸和表面化學性質的精確調控，從而在特定應用中表現出更優異的性能。例如，MOFs和COFs因其高度可調的結構和巨大的孔容，在二氧化碳捕獲、氫氣儲存、甲烷分離以及水凈化等領域備受關注。它們不僅能高效吸附有害氣體和污染物，還能作為催化劑載體，促進化學反應的進行，為構建可持續發展的社會提供了強大的物質基礎。

圖2. 先進多孔材料對社會的技術作用

多孔材料的應用范圍極其廣泛，它們是實現碳捕獲與儲存（CCS）、氫能經濟、高效水處理以及空氣凈化等前沿技術的關鍵（圖2）。但是，其發展過程中也面臨著一個嚴峻的挑戰：吸附數據的報告缺乏統一標準。吸附表征是理解多孔材料性能和功能性的核心手段，通過測量材料對氣體或液體分子的吸附能力，可以獲得比表面面積、孔徑分布、孔體積等關鍵參數。然而，在當前的科學文獻中，吸附數據的報告方式五花八門，常常存在數據呈現形式單一、術語和量綱定義模糊、實驗細節描述不充分和圖表標注不明確等問題。

這些問題共同導致了科學數據的可發現性（Findable）、可訪問性（Accessible）、可互操作性（Interoperable）和可復用性（Reusable），即FAIR原則的難以實現。低質量的數據報告不僅阻礙了研究成果的有效傳播和知識積累，也限制了人工智能（AI）和機器學習等先進數據分析工具在材料發現和過程匹配中的應用潛力。為了應對這一挑戰，科學界迫切需要建立一套規范化的數據報告最佳實踐。該文獻深入探討多孔材料吸附數據報告的現狀、挑戰以及如何通過采納國際最佳實踐和標準化工具（如吸附信息文件AIF）來提升數據質量和科學研究的效率（圖3）。

圖3. 通過 AIF 數字化對吸附數據進行 FAIR 數據管理的概念方法

02

圖文解析

1. FAIR原則與AIF標準：讓科學數據“活”起來

在數據驅動的科研時代，FAIR原則——即可發現性（Findable）、可訪問性（Accessible）、可互操作性（Interoperable）和可復用性（Reusable）——已成為衡量科學數據價值的黃金標準。對于多孔材料研究領域而言，吸附數據是評估材料性能、指導新材料設計的核心依據。然而，傳統的數據報告方式往往支離破碎、缺乏規范，導致大量寶貴數據淪為“一次性”信息，難以被有效利用，極大地阻礙了科學進步的步伐。這些問題具體表現為：數據“藏在深閨”、語言“雞同鴨講”、過程“霧里看花”。為了解決這些長期存在的痛點，國際純粹與應用化學聯合會（IUPAC）牽頭制定了吸附信息文件（Adsorption Information File, AIF）標準。AIF是一種基于STAR（Self-defining Text Archive and Retrieval）文件格式的標準化報告框架，旨在全面、系統地捕獲吸附實驗和模擬中的所有關鍵數據和元數據（圖3）。其核心目標是將每一份吸附數據都打造成一個完整、透明、可追溯的“數字檔案”，從而真正實現FAIR原則。

2.實驗數據報告最佳實踐：告別模糊，擁抱嚴謹

高質量的實驗數據是科學研究的生命線。為了確保吸附數據的嚴謹性和透明度，AIF標準對實驗報告的每一個環節都提出了明確的要求。

2.1樣品預處理：吸附實驗的“凈化”

樣品預處理是吸附實驗前至關重要的一步，其目的是去除材料孔隙中的雜質和殘留溶劑，確保材料處于“干凈”的活化狀態（圖4）。因此，AIF要求詳細記錄預處理的每一個細節，如同記錄一份精確的“凈化檔案”，包括：方法與條件和質量變化。

圖4. AIF 文件結構示意圖，其中顯示了包含元數據和吸附點的各個部分

2.2測量條件：精確控制的藝術

吸附實驗的每一個參數都可能影響最終結果。AIF要求對測量條件進行“像素級”的精確記錄，包括樣品與吸附質、溫控與壓力和平衡判斷。

2.3低壓等溫線：揭示孔隙結構的“指紋圖譜”

低壓吸附等溫線（通常使用氮氣或氬氣作為探針分子）是表征多孔材料比表面積、孔徑分布和孔體積等關鍵結構參數的“金標準”。根據IUPAC的分類標準，指出等溫線的類型（如I型、IV型），并結合其形狀解釋材料的孔隙特征（微孔、介孔、大孔等）。在報告孔徑分布時，必須說明所使用的計算模型（如BJH、DFT、NLDFT）以及所選模型的具體參數和假設。不同的模型可能得出截然不同的孔徑分布結果，因此透明化模型選擇至關重要。

圖5. 典型的等溫線

2.4高壓等溫線：厘清儲能與分離性能的“三重門”

高壓吸附是評估材料在氣體儲存（如儲氫、儲甲烷）和高壓分離應用中性能的關鍵。然而，高壓吸附數據報告中最常見的混淆來自于對“過量吸附”、“總吸附”和“絕對吸附”三個概念的誤用。報告高壓等溫線時，必須明確指出所報告的是哪種吸附量，并提供計算所需的吸附質密度數據和所使用的模型。混淆這三個概念將導致對材料性能的嚴重誤判。

圖6. 勢能面 (PES) 與吸附質和吸附劑自由度的關系圖

3.計算數據報告最佳實踐：架起模擬與現實的橋梁

計算模擬（如分子動力學MD、蒙特卡羅MC，圖7）已成為與實驗并駕齊驅的研究手段。為了確保計算結果的可重復性和可信度，AIF同樣為計算數據報告制定了嚴格的規范。通過AIF將計算的“配方”和“過程”完全透明化，可以確保計算結果能夠被他人驗證和復現，從而真正實現計算與實驗的有效結合。

圖7. 對吸附熱力學相空間進行采樣的方法：分子動力學（MD）作為吸附劑-吸附物PES上的確定性行走者，以及通過在吸附劑中隨機插入吸附質的蒙特卡羅（MC）

03

總結

文章指出多孔材料吸附數據報告的問題，提供了一套系統、可行且面向未來的解決方案：以FAIR原則為指導思想，以吸附信息文件（AIF）為具體實踐工具，構建一套全新的、標準化的數據報告生態系統。更重要的是，高質量、機器可讀的AIF數據，將為人工智能（AI）和機器學習在材料科學領域的應用打開一扇全新的大門。AI將不再是“無米之炊”，而是能夠從海量、規范的數據中學習規律，預測新材料的性能，從而顛覆傳統的“試錯式”研究范式，加速新材料的發現和設計進程。

參考文獻：

Daniel W. Siderius, Jack D. Evans, Paul Iacomi, Louis Vanduyfhuys, Veronique Van Speybroeck, Volodymyr Bon, Stefan Kaskel, Best-Practice Reporting for Porous Materials Adsorption Data, Angewandte Chemie International Edition, 2025, e202513606. https://doi.org/10.1002/anie.202513606.

聲明：

1. 版權：推送內容僅供學習交流分享使用，無任何商業用途，如有侵權，請聯系后臺刪除或修改，感謝支持。

2. 投稿：非常歡迎各位老師在公眾號上介紹課題組前沿或經典研究成果！后臺或郵箱聯系即可！