JACS：新型MOFs结合分析化学，预定史上最年轻院士！荣获国家最高荣耀！

本文首先介绍了金属有机框架（MOF）材料因其超高比表面积和可设计孔道结构，在碳捕集、气体储存等领域的重要应用背景。研究目的是解决当前计算预测MOFs中水吸附特性方法存在的不足，特别是对框架柔性考虑不足的问题，从而实现对吸附等温线的化学精确预测。为此，作者提出了一种结合高精度机器学习势和过渡矩阵蒙特卡罗模拟的新方法，该方法充分考虑了框架的局部和全局柔性，并在MOF-303、MOF-333和MOF-LA2-1等材料上验证了其定量准确性。结论表明，该方法能够深入揭示水密度分布与等温线形状的关系，为设计具有特定吸附性能（如用于水收集）的MOFs提供了有效工具，并可推广至其他客体分子和MOF体系。文章后续大部分内容为一系列关于机器学习在材料科学（如MOF设计、催化剂开发、分子动力学、第一性原理计算）中应用的专题培训课程介绍，详细列出了各课程的理论与实操内容安排。