正值AlphaFold問世五周年，其設計者、也是憑藉AlphaFold獲得諾貝爾化學獎的John Jumper公開表示：AlphaFold的下一步是與大模型整合。不過具體方法並沒有透露，或許已有所思路，甚至已經在進程之中。五年期間，AlphaFold已經幫助全球300多萬研究人員，預測了數億種蛋白質的三維結構，並影響了超50萬篇相關論文。可以說，這是繼量子力學和分子生物學革命後，生命科學的另一個重大躍遷。繼最初的「結構預測革命」、隨後的「科研常規工具」化，AlphaFold及其繼承技術正進入新的大模型階段。AlphaFold+大模型即使在AI浪潮不斷湧來的今天，AlphaFold仍然是AI+生命科學最具里程碑意義的一次落地。作為由GoogleDeepMind開發的AI科研工具，AlphaFold能夠精確預測蛋白質的三維結構。利用儲存在序列和結構資料庫中的大量實驗數據，該網絡被訓練以發現氨基酸序列之間的關聯和模式。自2020年首次公開AlphaFold2以來，它迅速成為結構生物化學領域的堅實基座，接著又陸續推出了可預測多個蛋白質結構的AlphaFold Multimer，以及迄今為止速度最快的AlphaFold 3。現在AlphaFold已從最初單純地蛋白質結構預測，發展到能夠處理更為複雜的多分子複合體以及更廣泛的生物分子交互作用。科學家也據此，實現了相當多的成果突破：例如最近來自密蘇里大學的研究團隊，借助AlphaFold，成功揭開了心血管疾病的秘密——壞膽固醇（LDL），並刊登上了《Nature》。LDL是動脈粥狀硬化、冠心病等心臟疾病的主要風險因子，核心由ApoB100蛋白組成，但由於其體積巨大、結構複雜，同時又與脂肪緊密纏繞，長期以來科學家都無法確認它的原子級三維結構。於是他們利用AlphaFold先對其胺基酸序列進行結構預測，再將產生的模型擬合到密度圖中，並逐步優化，直到與實驗數據對齊。最終揭示了ApoB100的籠狀結構，為後續推動心血管疾病治療提供了理論基礎。再比如說，利用AlphaFold研究蜜蜂的抗病性。研究聚焦於蜜蜂體內的關鍵蛋白Vitellogenin(簡稱Vg)，該蛋白不僅支持群體後代餵養，也與蜜蜂的免疫力、抗壓力息息相關。在AlphaFold的幫助下，研究人員得以在兩天時間內完成過去數年的工作，解密了Vg蛋白的近原子級結構模型，對瀕危族群的保育起到了關鍵性指導作用。另外，AlphaFold在一些非常規用法上也依舊作用顯著。去年與John Jumper同獲諾貝爾化學獎的計算生物學家David Baker，就正在嘗試利用AlphaFold預測蛋白質合成設計的成功率。或者有些團隊​​也會將AlphaFold當作搜尋引擎使用，在成千上萬個候選蛋白中篩選出最有可能與目標蛋白結合的一種。……總之，AlphaFold的作用不勝枚舉，它已經不僅僅是單一的結構預測工具，更是當代實驗設計的重要組成部分之一。那麼接下來AlphaFold又將何去何從呢？據John Jumper所說，下一步將會是AlphaFold與更廣泛的AI大模型結合。AlphaFold仍將持續推動結構預測成為研究流程中的基礎一環，但同時，其結構預測能力也會同大模型強強結合，提升到能讀懂科學文獻資料、做科學推理的程度。也就是說，接下來的AlphaFold在預測結構之外，或許還能提出假設、設計實驗流程甚至自動產生研究思路。對於一些較複雜的多分子多功能係統，例如蛋白質之間的相互作用、核酸（DNA/RNA）的相互作用等，AlphaFold也能更好地幫助理解對應的生物過程。這就好比Google的另一個系統AlphaEvolve，使用一個大模型來產生問題的解決方案，然後再用第二個模型負責檢查並過濾掉錯誤訊息。二者思路類似，不過一個面向數學和電腦科學領域，一個立足生物化學。首位「80後」諾獎得主負責領導開發AlphaFold的，則是DeepMind創辦人兼CEO哈薩比斯和John Jumper。其中，John Jumper還是最年輕的諾貝爾化學獎得主，也是第一位80後諾獎得主。他本科就讀范德堡大學，主修數學和物理，隨後在劍橋大學獲得理論凝聚態物理碩士，並在芝加哥大學博士期間轉向理論化學。他的博士論文是研究如何將機器學習技術應用於蛋白質動力學研究。2017年，正在讀博士後的他聽說了GoogleDeepMind正在從遊戲AI開發秘密轉向蛋白質結構預測，於是他申請了這份工作。事實上，在AlphaFold之前，GoogleDeepMind就嘗試了名為「Foldit」的蛋白質折疊遊戲，這還是因為哈薩比斯從劍橋求學時代起就對蛋白質折疊問題的關注，他希望透過預測蛋白質結構，找到解決阿茲海默症等疾病的方法。但遊戲終歸只是遊戲，在面對真實的分子結構上顯然不夠用，因為真實的蛋白質折疊的訓練資料極為固定有限。要確定一個蛋白質結構，往往需要耗費數月甚至數年時間，而這個過程已經持續了將近半個世紀。於是他們轉向研發了AlphaFold。雖然初代AlphaFold在第13屆CASP（蛋白質結構預測關鍵評估賽事）中嶄露頭角，成功預測出43個蛋白質中的其中25個，力壓其餘的97名參賽者，證明了用“機器學習+統計信息”推斷蛋白質結構是可行的。但哈薩克言，當時的預測品質還不足以讓生物學家在實際中應用，其針對複雜蛋白的準確性、泛化性還存在嚴重缺陷。在意識到僅依靠標準的機器學習方法無法取得成功後，DeepMind內部專門成立了一個攻堅小組，利用Transformer推翻重構了AlphaFold 2，並逐步融入生物學專業知識。但早期的AlphaFold 2表現相比AlphaFold 1還有所下滑，這也一度讓他們害怕方向是否有錯誤。於是在這個階段他們採取一種交替模式——一方面嘗試將舊系統性能壓榨到極限，一方面給予新系統的研發團隊自由試誤的空間：允許短期的性能下降，只求不斷嘗試各種新想法。直到某一天奇蹟發生，它突然變得非常好。那天早上，團隊其中一個成員上班打開電腦，突然發現AlphaFold 2在某一組蛋白質上表現出奇地好，預測的結構精度達到了1.5埃，大約相當於一個原子的寬度。但她的第一個反應不是興奮，而是害怕，因為結果好到讓她確信自己犯了錯誤，於是接下來幾天她和團隊成員一起試圖找出錯誤原因。結果事實上，這裡沒有錯誤——換言之，新系統成功了。於是他們參加了CASP 14競賽，並專注於攻克了一個名為ORF8的SARS-CoV-2冠狀病毒蛋白。結果讓人震驚，準確度均分從原先的60+/100，提升至92.4/100，而此前其它方法還停留在40分左右。至此，這個困擾學界50餘年的重大挑戰──蛋白質折疊問題終於得到了解決方案。而在取得突破之後，DeepMind更是將AlphaFold的程式碼全部開源，並向全世界免費發布了2億個蛋白質的結構預測資料。AlphaFold的出現，標誌著生物化學領域正式向AI智能發展，也讓哈薩比斯和John Jumper獲得了2024年的諾貝爾化學獎。諾獎組委會是這樣評價這份工作的：毫不誇張地說，AlphaFold在結構生物化學領域引發了革命，並為設計前所未見的蛋白質開闢了全新的可能性。但在此之前，John Jumper接受採訪時曾謙遜地表示，自己的獲獎機率只有10%，他更多的是期待能有越來越多科學家利用AlphaFold實現醫學和生物學的突破。而現在，他對自己未來的規劃是：作為年輕的諾獎得主，這讓我感到擔憂。接下來我將嘗試做一些深入研究的小事情，而對於第二次衝擊諾貝爾獎，我認為那是個陷阱。(量子位元)

2017 年，剛剛從理論化學博士畢業不久的 John Jumper 聽說，Google DeepMind 正悄然從“打造能擊敗人類的遊戲 AI”這條路線轉向一個全新的秘密項目：利用人工智慧預測蛋白質結構。他隨即投遞了簡歷。三年後，他便迎來了足以載入科學史冊的時刻。在 CEO Demis Hassabis 的合作領導下，他共同開發的 AI 系統 AlphaFold2，能夠以接近一個原子寬度的精度預測蛋白質的三維結構——其精準度與實驗室耗時數月的傳統技術相當，卻只需數小時即可得出結果。AlphaFold2 攻克了生物學界 50 年來懸而未決的一道大題。“這是我建立 DeepMind 的理由。事實上，這也是我整個職業生涯投身 AI 的原因。”Hassabis 曾對筆者表示。2024 年，Jumper 與 Hassabis 因這一突破共同獲得諾貝爾化學獎。（來源：MIT TR）五年前的這個星期，AlphaFold2 的橫空出世讓科學界震驚不已。如今熱潮已退，它究竟帶來了那些真正持久的影響？科研人員現在如何使用它？它的下一步又將指向何方？筆者與 Jumper 進行了深入交談。“這五年非常不真實，”Jumper 笑著說，“我幾乎已經記不得不認識這麼多記者的日子了。”在 AlphaFold2 之後，DeepMind 又推出了能夠預測多蛋白複合體結構的 AlphaFold Multimer，以及速度更快的 AlphaFold3。團隊還將 AlphaFold 應用於全球廣泛使用的蛋白資料庫 UniProt，如今已預測約 2 億種蛋白質結構，幾乎囊括了科學界已知的一切蛋白。儘管影響巨大，Jumper 對 AlphaFold 仍保持著科學家的謹慎：“這不意味著裡面的每個預測都是確定無疑的。它是一個預測資料庫，也攜帶著預測本身的全部侷限。”解開蛋白質之謎，為何如此艱難？蛋白質是生命的“分子機器”。它們構成肌肉、羽毛、角，負責運送氧氣、傳遞訊號；它們讓神經元放電、幫助我們消化食物、驅動免疫系統。這一切功能都依賴於它們摺疊成的三維結構。然而，要從一條氨基酸鏈推斷其最終結構，極其困難。蛋白可能摺疊成天文數量級的結構，預測正確的那一個，就像在宇宙中找一枚硬幣。Jumper 和團隊採用了 Transformer 神經網路——與大語言模型同源——以捕捉序列中的遙遠關聯。但 Jumper 認為真正的秘訣是他們迭代速度快：“我們做出了一個能以驚人速度給出錯誤答案的系統。正因為如此，我們才能大膽嘗試各種想法。”他們儘可能向模型灌注蛋白結構相關資訊，如來自不同物種的演化線索。效果遠超預期。“我們確信自己抓住了重大突破，確信這是一次理念上的飛躍。”他沒有預料到的是，研究人員會直接下載軟體並立即用於如此廣泛的用途。他說：通常來說，真正產生影響的是之後幾代的版本，等一些問題被解決之後。“我對科學家們如何負責地使用它感到非常驚訝。無論是在理解上還是在實踐中，他們使用它的程度恰好與它的可信程度相匹配，既不過度信任也不過低信任。”有那些令他印象深刻的應用？蜜蜂的抗病研究。Jumper 提到一個團隊，使用 AlphaFold 研究蜜蜂的抗病性：“他們想研究一種與蜂群崩潰有關的蛋白。我從沒想過 AlphaFold 有一天會走進蜜蜂科學。”“超出適應症”的創新用法。他特別提到幾類不是 AlphaFold 本來設計用途，但卻因其能力被開闢的新方向。其一，蛋白設計。華盛頓大學的 David Baker（去年諾獎得主）利用 AlphaFold 的能力加速合成蛋白設計。他們開發了 RoseTTAFold，也嘗試用 AlphaFold Multimer 來提前判斷設計是否可行。“如果 AlphaFold 自信預測出你想要的結構，你就去做；若它猶豫不決，你就不做。光是這點，就讓設計速度提升了十倍。”其二，把 AlphaFold 當“結構搜尋引擎”。兩個研究組曾試圖找出人類精子與卵子在受精時結合的關鍵蛋白。他們已知其中一個卵子蛋白，但不知道精子端的對應物。於是他們拿已知的卵子蛋白讓 AlphaFold 逐一預測與全部 2000 個精子表面蛋白的結合結構。AlphaFold 自信指出了某一個。隨後的實驗驗證無誤。“以前沒人會做 2000 次結構比對來找一個答案，你現在可以做，這是 AlphaFold 真正改變科研方式的地方。”AlphaFold2 面世時，筆者曾採訪過幾位早期使用者。五年後，我再次聯絡了其中一位，加州大學舊金山分校的分子生物學家 Kliment Verba。“毫無疑問，它非常有用。我們每天都在用。”但它也有明顯的限制。許多科研問題涉及多個蛋白之間或蛋白與小分子之間的複雜互動，而 AlphaFold 在這類預測中的精準度較低。Verba 說：“有時候你會拿到一個預測，讓你琢磨半天，這到底是真是假？它處在模糊邊界上。”他笑稱：“有點像 ChatGPT——它把真話和胡話都說得同樣自信。”儘管如此，他們常用 AlphaFold（2 和 3）來做“虛擬實驗”：先在電腦裡篩選可能有價值的方向，再決定要不要投入真實實驗室資源。“它沒取代實驗，但確實極大增強了實驗效率。”下一波浪潮如今，許多初創公司和研究機構正在從 AlphaFold 出發，開發更專注於藥物發現的模型。例如今年 MIT 的研究人員與 AI 藥物公司 Recursion 合作，推出了一種名為 Boltz-2 的模型，它不僅能預測蛋白結構，還能預測潛在藥物分子與其靶點的結合效果；上個月，初創公司 Genesis Molecular AI 發佈了另一種結構預測模型 Pearl，該公司聲稱 Pearl 在某些與藥物開發相關的問題上比 AlphaFold3 更準確。Pearl 是互動式的，可以讓藥物開發者將任何額外的資料輸入模型，以指導預測。那新藥會因此更快出現嗎？Jumper 並不樂觀主義過頭：“蛋白結構預測只是生物研究中的一步。我們不是只差一個結構就能治癒疾病。”他打比方說：“如果我們真的只差十萬美元（過去確定一個蛋白結構的成本）就能完成某事，那這件事早就被做了。”但他仍希望結構預測能發揮更大作用：“既然我們現在有一把威力巨大的錘子，那就儘量讓它敲更多的釘子。”接下來呢？Jumper 的下一步計畫，是把 AlphaFold 的“垂直深能力”與 LLM 的“橫向理解能力”結合起來。“我們已經有能閱讀科學文獻、能進行部分科學推理的機器了；也有能在蛋白結構預測上達到超人水平的系統。現在的問題是：怎麼讓它們協同？”這讓筆者想到 DeepMind 另一個系統 AlphaEvolve——一個 LLM 生成假設，另一個模型負責篩選。它已在數學和電腦科學領域取得多個實際發現。我問他是否也在做類似方向，他只是微笑。“我不便多說。但如果未來 LLM 在科學發現中的作用越來越大，我一點也不會意外。這是一個巨大而開放的問題。”對於下一步的規劃？Jumper 說：“這多少讓我有些不安。我可能是 75 年來最年輕的化學獎得主。”他補充：“我現在大概處在職業中點。我的策略是從一些小想法開始，慢慢沿著線索往下拉。下一次我發表的成果，不需要是第二個諾獎的候選。我認為那是個陷阱。” (麻省理工科技評論APP)

在剛榮獲 2025年諾貝爾化學獎三周後，加州大學伯克利分校教授奧馬爾·M·亞吉（Omar M. Yaghi）在由陳天橋腦科學研究院主辦的AIAS（AI Accelerating Science）大會上，進行了他獲獎後的首次公開演講。鈦媒體AGI作為合作媒體也參加了本次大會。這位從約旦裔難民棚中走出來，被稱為“MOF之父”的世界級科學家， 並未在演講中回顧他因發明金屬有機框架（MOF）和共價有機框架（COF）獲得諾獎的過去，而是首次揭示了他的一個全新科學思想體系：“讓化學能夠自己具備思考、推理與自我演化的能力。”“科學一直是自然與人類思維之間的對話，”他說，“如今，借助人工智慧，我們正在賦予科學自行思考、推理和演進的能力。”他稱這一體係為 “From Molecule to Society”（從分子到社會），這也是他的核心思想——將分子設計、實驗合成、產業化擴展與社會應用融為一體，形成了一個由生成式AI、機器人和自學習智能體共同驅動的科學循環系統。有趣的是，與其他科學家充滿了對AI的徬徨或焦慮不同，他詳細講了四個自己最近如何使用AI取得重大科研突破的案例，其中前三個都與ChatGPT相關。這也標誌著他從一個建構材料的化學家，轉變為建構智能的科學家，而這種智能將建構下一代材料。案例一：讓ChatGPT成為“化學家”亞吉從一個簡單但具有變革性的問題開始：大語言模型能理解化學嗎？在他的第一個演示中，他的團隊訓練ChatGPT閱讀數千份合成報告並進行推理——提取反應參數、預測結果，並對實驗將產生單晶或多晶產物進行分類。他認為該模型的預測性能優於許多傳統啟髮式方法。通過這種方式，ChatGPT從一個文字生成器演變成一個科學推理引擎——連接了自然語言和實驗邏輯。“我們不再需要問AI能為科學做些什麼，”亞吉說，“我們現在要問的是，當科學由AI驅動時，它能變成什麼樣子。”這“第一步”就奠定了“AI加速化學”的基礎——這是一個通過資料驅動推理對化學智能進行編碼、學習和迭代改進的領域。也是實驗知識第一次被系統地數位化、學習化和智能化。“AI不只是幫助科學家，而是讓科學本身獲得新的思維方式。”亞吉說道。案例二：AI設計的沙漠取水器第二個案例中，亞吉介紹了他的“死亡谷實驗”，他的團隊在那裡部署了一個可攜式、零能耗的取水裝置，該裝置由經ChatGPT分子編輯最佳化的MOF材料製成，具體說就是AI通過分子編輯最佳化MOF結構，研發出的一款可攜式、無需能源的集水裝置，改善了吸附等溫線和解吸閾值，能在僅有15%濕度的沙漠空氣中提取飲用水。實驗室測試和現場資料吻合，表明經過微調的GPT模型能夠“塑造框架的取水行為”——同時最佳化效率和可持續性。這項突破使“AI驅動的材料創新”第一次直接造福人類生活。在這裡，生成式AI與網狀化學的融合產生了切實的社會價值：為那些本不應存在水的地方帶來了水。亞吉評價稱，這說明了“AI並不取代化學家，而是讓他們的創造力倍增。”案例三：七個Agents智能體的協作實驗亞吉的第三個例子看起來宛如科幻小說，更進一步展示了AI的“團隊智能”，即Agents智能協作的可能性。在這個案例中，由亞吉基於ChatGPT建立的七個Agents組成虛擬科研團隊，分工執行實驗設計、文獻檢索、演算法最佳化、實驗安全與資料分析等任務，每個智能體承擔不同的角色： 實驗規劃師、文獻分析師、資料解讀員、演算法編碼員、機器人控製器、安全顧問、Bayesian貝葉斯最佳化器。這些AI智能體共同設計並最佳化了COF-323的結晶過程，該材料長期以來被科學界認為非常難以合成。它們自主地與機器人反應平台互動，平行運行數百個實驗，每個實驗都由貝葉斯最佳化指導，以追求更高的結晶度。結果非常顯著：在幾天內完成了上百次COF結晶實驗，通過Bayesian演算法持續最佳化條件，實現從無定形到高結晶的飛躍。亞吉稱這是“AI自主協作科學”（AI Self-Collaborative Science）的早期原型——在這個系統中，大語言模型扮演著能夠進行獨立實驗的推理同事角色，AI系統則與自動化實驗Agents協同運行。案例四：從分子到社會，AI科學的設想在最後一個案例中，亞吉介紹了一家誕生於伯克利的初創公司AIMATX。該公司正在開發一個他稱之為“從分子到社會”（From Molecule to Society）的通用平台。該平台由三大AI層構成： 1. 設計層（Design）：AI預測並生成分子結構； 2. 合成層（Synthesis）：AI+Agents執行實驗並自動表徵； 3. 擴展層（Scaling）：AI分析市場、最佳化供應鏈、推動社會部署。亞吉也稱之為“從分子到社會的AI循環”（Molecule-to-Society AI Cycle）——每個實驗資料都反饋進系統，驅動下一輪發現。他展示了一張標有“從分子到社會的AI循環”的循環圖——展示了資料集如何在理論、合成和應用之間持續流動。每個實驗都成為一個資料點，每個資料點都改進模型，而模型反過來又設計下一個實驗。“我們正在建構一個永不停歇地去發現的活系統，”亞吉說。為了演示，他還分享了通過AI輔助工作流程發現的新型ZIF和LZIF晶體結構，該系統的發現率是隨機人工探索的至少兩倍。這場演講不僅展示了前沿的科學創新，更是一份關於AI“科學本質”的宣言：AI不是工具，而是新的科學思維體。“我們不是在加速實驗，而是在加速人類解決問題的能力。”隨著掌聲響起，螢幕上出現亞吉與學生的合照——象徵一個由AI與人類共創的科學新紀元。這場在舊金山AIAS大會上的演講，或許將被寫入史冊——作為人類科學史第一次見證“自己會思考與進化的化學”的時刻。 (鈦媒體AGI)

誰說獲得諾貝爾化學獎的MOF（金屬有機框架）“無用”？這種幾十年前被嫌棄“只有理論但缺乏實際應用”的新材料，前腳剛獲得諾獎認可，後腳就被做成晶片！這就是莫納什大學的科學家們剛剛發佈的最新成果——用MOF製造超迷你的流體晶片。不同於傳統晶片，不僅可以完成常規計算，還能記住之前的電壓變化，形成類似大腦神經元的短期記憶。正如作者所說，也許這將是新一代電腦的範例：如果我們能夠設計出像MOF這樣只有幾奈米厚的功能性材料，我們就可以製造出先進的流體晶片，以補充甚至克服當今電子晶片的一些侷限性。具有“類腦”記憶通路的奈米流體晶片奈米約束條件下的離子選擇性傳輸正在生物機制模擬、離子分離、離子電子器件等方面展現出潛力，但由於難以製備高精度奈米通道器件，要想實現可調非線性的離子運輸其實相當困難。而用MOF材料製作出的奈米流體晶片則解決了這一點。MOF本身具備明確的通道結構，而且適配多種化學成分，可以在分子和離子傳輸過程中完成原子級精度調節。研究人員基於此，建構了一種分層奈米流體電晶體器件h-MOFNT。該器件首先通過在聚合物單奈米通道（NC）中組裝分層Zr-MOF-SO₃H晶體，製備了具有多個異質結的分層MOF基奈米流控器件。具體來說，就是將具有一個子彈形狀的奈米通道，即氨基修飾PET NC薄膜，夾在兩個細胞之間，面向尖端的細胞填充配體水溶液，而另一個細胞則放置金屬前體水溶液。當金屬前體和配體分子在PET NC內相遇，就會形成核，並在尖端側進一步聚合成MOF晶體。於是h-MOFNT將包含有兩種類型的非均質通道結：一維 (1D) 異質結：直徑為100奈米，位於聚對苯二甲酸乙二醇酯 (PET) 奈米孔 (PET NC) 和MOF密集相之間。三維 (3D) 的MOF相內部結：由不同連接類型（9連接、12連接）的Zr–O簇構件相接，通過硫代對苯二甲酸 (H₂BDC-SO₃H) 給予通道表面功能化，形成次級通道。然後研究人員將h-MOFNT放置在不同電壓偏置下的0.1 M 氯化物金屬離子溶液中進行電流-電壓 (I–V) 測試，觀察離子（尤其是質子）在該器件中的傳輸特性。其中，在HCl溶液中，低電壓（0至0.2V）時電流快速增加，在中間範圍（0.3至0.8V）時適度增加，在高電壓（0.9至2V）時達到飽和電流水平，電流增長放緩。不同於常見的二極體式（rectifying）整流行為，該器件整體呈現出類似三極體的非線性質子傳輸特性，換言之，說明此時質子的傳輸不是簡單的線性隨電壓增加，而是在一定區間內被“閾控”或“門控”。而在對其進行漂移擴散實驗後，確認HCl和KCl的陽離子轉移數分別為0.86和0.81，說明該特性主要來自於質子和K+離子的非線性電阻開關行為。隨後研究人員研究了濃度對其傳輸情況的影響，進一步證明了h-MOFNT對質子的普遍非線性傳輸特性。利用這一性質，研究人員用五個h-MOFNT通過平行程式設計建構了一個小型流體電路，實驗發現隨著並聯的h-MOFNT數量從單個到五個依次增加，產生了一系列非線性I-V曲線，模擬了通過增加門控電壓實現電子FET的輸出電流特性。同時當h-MOFNT掃描環路電壓時，表現出明顯的滯後環路效應，並擠壓滯後環路，掃描速率下降，表明非線性質子傳輸對電壓掃描頻率存在依賴性。在對兩個掃描電壓示波器進行相反的掃描順序時，例如從-2V到2V，再掃描回-2V，h-MOFNT表現出相同的流體憶阻和學習特性，即在一定條件下，器件能夠記住過去電壓狀態。原因是因為在MOF分層相中，內部電勢對質子在施加電壓後會進行反向傳輸，當電壓處於-2V到0V時，由於質子跨相傳導，將迅速產生局部電勢ΔE，在級性轉換後，ΔE也會短時間保持高水平再逐漸衰減。殘餘ΔE將在0V到+2V時，繼續施加相同方向的質子傳輸，並逐漸產生反向局部電位ΔE′，在+2V到0V時，ΔE已經完全消失，此時質子傳輸受到ΔE′影響，電流始終處於較低狀態，在0V到-2V時，受剩下的ΔE′和負電壓疊加影響，再次建立起類似於0V到+2V的ΔE。這種建立下來的ΔE和ΔE′間隔約10秒，並可以通過高壓掃描頻率增強這種流體離子記憶，證明了該奈米流體電晶體具備短期記憶特性和仿生可塑性學習方式。因此基於單晶胞或多晶胞厚度MOF的程式設計流體晶片是可行的，其在液態系統中體現出的開關、記憶等功能，都呈現出類電子器件的替代效果。在未來或許只要通過合理設計異構約束系統，就能夠實現基於液體的資訊儲存甚至類腦計算。“無用”的MOF而在此之前，MOF一直被普遍認為是“無用”的。即使是諾獎頒布當天，組委會在解釋頒發理由時，用詞也相當委婉：MOF潛力巨大，可以為一些新功能的定製材料提供前所未有的機會。原因無他，MOF在理論和應用之間出現明顯脫節。在今年化學獎得主，也是MOF創造者——北川進、理查德·羅布森和奧馬爾·M·亞吉提出這一材料後，MOF一度被視作出論文的“神奇機器”，幾乎任何領域都能往裡塞一個MOF：氫氣、甲烷儲存CO₂ 捕集電池電極、超級電容感測、光電器件……相關論文數量一度高達10萬篇，但真正實現工業化應用的屈指可數。主要還是因為MOF結構穩定性差，很多MOF在水或空氣中就會分解，而且合成過程複雜、成本昂貴，批次生產也難以維持結構一致性。所以即使實驗室中MOF表現優異，但在實際落地中卻往往讓人大失所望。但今天MOF晶片的出現，反向也證明了該觀點有失偏頗：MOF可能並不是“無用”，而是還沒有找到真正適用的場景。 (量子位)

三位獲獎者提供了全新的工具，在未來可幫助人類應對能源、環境與可持續發展的挑戰圖片來自諾貝爾獎官網10月8日，瑞典皇家科學院決定將2025年諾貝爾化學獎授予北川進（Susumu Kitagawa）、理查德·羅布森（Richard Robson）以及奧馬爾·M·亞吉（Omar M. Yaghi），以表彰他們在金屬有機架（MOF）領域的貢獻。這三位科學家致力於建構分子間具有較大空間的結構，這種結構被稱為金屬有機骨架，氣體和其他化學物質可以通過該結構流動、循環。研究人員已將這一結構用於在沙漠空氣中收集水分、污水去污、捕獲二氧化碳、儲存有毒氣體或催化化學反應等方面。“金屬有機框架具有巨大的潛力，為具有新功能的定製材料帶來了以前無法預見的機會。”諾貝爾化學委員會主席海納·林克（Heiner Linke）如此評價他們的研究成果。跳出框架的思考三位獲獎者，來自日本京都大學教授北川進、澳大利亞墨爾本大學教授理查德·羅布森，加州大學伯克利分校教授奧馬爾·M·雅吉現，在1989年至2003年期間分別做出了一系列革命性的發現。1989年，澳大利亞墨爾本大學的理查德·羅布森受到相互連接的碳原子的鑽石結構的啟發，開啟了一個新的測試。在10多年前，理查德·羅布森曾受命為墨爾本大學大一新生化學講座製作一個大型晶體結構木製模型，當他把木球當作原子、木棍當作化學鍵時，產生了一個奇異的想法：“如果我利用原子本身的配位特性，不是讓它們單獨成鍵，而是讓它們帶動整個分子去連接，會不會產生全新的分子結構？”縈掛於心，才有了多年後羅布森啟動的這個新測試。在鑽石中，每個碳原子與四個其他碳原子鍵合，形成金字塔狀結構，羅布森選擇用帶正電的銅離子取代碳原子，再配上一個“四臂”的有機分子。他觀察到每個分子的四臂的末端被銅離子吸引，當它們結合在一起時，形成一個井井有序、寬敞的晶體結構。它就像一顆充滿無數空洞的鑽石。理查德·羅布森立即認識到這一分子結構的巨大潛力，可有個問題難以突破，就是這個結構不穩定，很容易崩潰。此時，北川進和奧馬爾·亞吉及時接棒了。1992年，北川進建構出第一個二維多孔分子材料，內部空隙可容納丙酮分子，這是首次在分子層面實現有序多孔結構。不過，機構還是不穩定。五年後，他的團隊又成功合成出三維金屬有機框架，並證明了這類材料具有氣體吸附性能，可吸附並釋放甲烷、氮氣或氧氣，而結構不變。北川進提出了“多孔配位聚合物”概念，他的研究表明，氣體可以進出結構，並預測MOF可以變得靈活。他創造的這個非常穩定的MOF，表明它可以使用合理的設計進行修改，賦予它新的和理想的屬性。遠在澳大利亞的多孔材料權威研究者奧馬爾·亞基，在1995年，合成出由銅或鈷連接的二維網路晶體，成果發表在著名學術期刊《自然》（Nature）上，在該論文中首次提出“金屬有機框架（Metal–Organic Framework）”這一術語。1999年，亞基再次發力，推出材料結構穩定、空間巨大，即使加熱到300°C也不坍塌的MOF-5。僅幾克樣品，其內部表面積可達一個足球場之大。這意味著，它能吸附的氣體量遠超傳統的沸石。亞基還是開創了化學分子編織技術的先驅，他合成了世界上第一種在原子和分子水平上編織的材料。2018年亞基獲化學殿堂的至高榮譽沃爾夫化學獎。今天，MOF技術已席捲全球，化學家們建造了數以萬計的不同MOF，其中一些可能有助於解決人類面臨的一些最大挑戰。例如，2023年亞基的研究團隊在公開發表的論文中，展示出可系統調控MOF孔徑與功能的方法，開發出16種MOF-5衍生物，其中部分能高密度儲存甲烷，用於清潔能源汽車。一些科學家認為，MOF將成為21世紀的代表性材料。三位獲獎者為化學家提供了全新的工具，在未來可幫助人類應對能源、環境與可持續發展的挑戰。獎金何來這三位來自美日澳的化學獎獲得者，將平分1100萬瑞典克朗（約合836萬元人民幣）獎金。比起2022年，多出了100萬瑞典克朗。獎金的增加，表明諾貝爾獎不僅是全球公認的榮譽象徵，還證明了自己在經濟上的可持續。在去世的前一年，1895年11月27日，阿爾弗雷德·諾貝爾簽署了一份著名的遺囑，按此遺囑，他的大部分遺產——超過3100萬瑞典克朗（今天約22億瑞典克朗）轉換為基金，設立了諾貝爾獎。這些資產佔諾貝爾總資產的94%。履行這份遺囑的是諾貝爾基金會，這是一個成立於1900年的私人機構。阿爾弗雷德·諾貝爾的遺囑說，他的財富應轉化為“安全證券”，投資的利息應作為獎金發放。這意味著諾貝爾基金會要確保投資產生足夠的收入。首次諾貝爾獎在1901年頒發，每項獎金額度為15萬瑞典克朗，在當時這個金額相當可觀。此後除在兩次世界大戰時有過中斷，每年都在斯德哥爾摩和奧斯陸兩地舉行隆重的頒獎儀式。數年來，獎金額度起伏頗大。諾貝爾基金曾經歷了很長一段時間的財富縮水，尤其是2000年網際網路泡沫、2008年全球金融危機，財富縮水近三分之一。之後，才通過各種策略陸續收回。總體看，諾貝爾基金通過在1946年、1953年爭取到瑞典、美國的免稅優待，以及成立投資為會員、平衡不同的資產投入——股票約佔40%，債券佔20%，40%用於其他投資，這些改變，使它的財務穩定性有很大提升。根據公告，2020年，得益於整體市場表現良好以及有效的資產管理，諾貝爾基金會年投資回報率接近9%。這一年，單項諾貝爾獎的獎金也增加至1000萬瑞典克朗。迄今，諾貝爾獎已經頒發了124年，基金非但沒有枯竭，還有望繼續增值。 (財經雜誌)

剛剛，2025年諾貝爾化學獎公佈。科學家北川進（Susumu Kitagawa）、Richard Robson和Omar M. Yaghi三人獲獎，以表彰他們「在金屬有機框架（MOF）材料發展方面的貢獻」。剛剛，2025年諾貝爾化學獎揭曉！今年的諾貝爾化學獎，也與AI無關。科學家北川進（Susumu Kitagawa）、Richard Robson和Omar M. Yaghi三人獲獎。他們的獲獎理由是：「在金屬有機框架（MOF）材料發展方面的貢獻」。簡單來說，獲獎者們建構了一種被稱為金屬有機框架分子構築物，其內部擁有巨大的空腔，可供氣體和其他化學物質進出流通。基於這些開創性發現，化學家們已經建構了數以萬計不同種類的金屬有機框架（MOF）。其中一些有望為解決人類面臨的部分最嚴峻挑戰做出貢獻：從水中分離全氟和多氟烷基物質（PFAS）分解環境中的藥物殘留捕獲二氧化碳從沙漠空氣中採集水分對此，諾貝爾化學委員會主席Heiner Linke表示：「金屬有機框架潛力巨大，為開發具有新功能的定製化材料帶來了前所未有的機遇。」今年獎金總額達1100萬瑞典克朗（約835萬元人民幣），由三位獲獎者平分。獲獎原因Susumu Kitagawa、Richard Robson和Omar M. Yaghi創造了一種被稱為金屬有機框架的機構，它含有巨大的空腔，分子可以在其中進出。目前，研究人員已利用它們從沙漠空氣中收集水分、從水中提取污染物、捕獲二氧化碳以及儲存氫氣。「一間迷人且極其寬敞的單間公寓，專為身為水分子的你而設計」——這或許是房產中介會用來描述近幾十年來全球各實驗室開發的眾多金屬有機框架之一的方式。此類結構中的其他類型則是為捕獲二氧化碳、從水中分離 PFAS、在體內遞送藥物或處理劇毒氣體而量身定製的。有些可以捕獲水果釋放的乙烯氣體並使其成熟得更慢，或者包裹能分解環境中抗生素痕跡的酶。簡而言之，金屬有機框架（MOF）的用途極其廣泛。得益於獲獎者們的工作，化學家們已經能夠設計出數以萬計的不同 MOF，催生了新的化學奇蹟。正如科學領域中常見的那樣，2025 年諾貝爾化學獎的故事始於一個跳出思維定式的人。這一次，靈感是在準備一堂經典化學課時產生的，課上學生們將要用棍和球來搭建分子。始於一個簡單的木製分子模型那是1974年。在澳大利亞墨爾本大學任教的Richard Robson接到的任務是將木球製作成原子模型，以便學生們能夠建立分子結構。為此，他需要大學的工作坊在木球上鑽孔，這樣代表化學鍵的木棍才能連接到原子上。然而，孔洞的位置不能隨意安排。諸如碳、氮或氯等原子，都會以特定的方式形成化學鍵，因此Robson需要標記出應該在那裡鑽孔。當工作坊送回木球後，他嘗試搭建了一些分子。就在這時，他靈光一閃：孔洞的位置中蘊含著海量的資訊。由於孔洞的位置，模型分子自動具有了正確的形狀和結構。這一洞見引出了他的下一個想法：如果他利用原子的固有屬性來連接不同類型的分子，而不是單個原子，會發生什麼？他能否設計出新型的分子結構？每年，當Robson拿出木製模型教新學生時，同樣的想法都會在他腦中浮現。然而，十多年過去了，他才決定付諸實踐。他從一個非常簡單的模型開始，靈感來自鑽石的結構，其中每個碳原子與其他四個碳原子鍵合，形成一個微小的金字塔（如下圖所示）。Robson的目標是建構一個類似的結構，但他的結構將基於帶正電的銅離子 Cu+。像碳一樣，它們也傾向於周圍有四個其他原子。他將銅離子與一個有四條「臂」的分子結合：4′,4″,4″’,4″″-四氰基四苯甲烷。不必記住它複雜的名字，但重要的是，分子每條臂的末端都有一個化學基團——腈，它會被帶正電的銅離子所吸引。在當時，大多數化學家都會認為，將銅離子與四臂分子結合會得到一堆如鳥巢般雜亂的離子和分子混合物。Robson預測，離子和分子之間固有的吸引力起了作用，它們自行組織成一個巨大的分子結構。就像鑽石中的碳原子一樣，它們形成了一個規則的晶體結構。但與緻密的鑽石不同，這種晶體含有大量巨大的空腔。1989年，Robson在《美國化學會志》上展示了他創新的化學作品。在文章中，他對未來進行了推測，並提出這可能提供一種建構材料的新方法。他寫道，這些材料可能會被賦予前所未見的特性，並可能是有益的。事實證明，他預見了未來。Robson 在化學界掀起一股開拓熱潮就在他開創性工作發表的第二年，Robson就展示了幾種新型的分子結構，其空腔中填充了各種物質。他將充滿離子的結構浸入含有不同類型離子的液體中。結果是離子交換了位置，證明了物質可以進出該結構。在他的實驗中，Robson表明，理性設計可以用於建構具有寬敞內部空間的晶體，這些空間為特定化學物質進行了最佳化。他提出，如果設計得當，這種新形式的分子結構可以用於催化化學反應等。然而，Robson的結構相當不穩定，且容易散架。許多化學家認為它們毫無用處，但有些人能看到他有所發現，對他們而言，他對未來的想法喚醒了一種開拓精神。後來為他的願景奠定堅實基礎的是Susumu Kitagawa和Omar M. Yaghi。在1992年至2003年間，他們各自獨立地做出了一系列突破性的發現。我們將從20世紀90年代開始，從當時在日本近畿大學工作的Susumu Kitagawa說起。Susumu Kitagawa 座右銘是「無用之用」在其整個研究生涯中，Susumu Kitagawa都遵循著一個重要原則：努力發現「無用之用」。當他還是個年輕學生時，他讀了諾貝爾獎得主Yukawa Hideki（湯川秀樹）的一本書。書中，Yukawa引用了中國古代哲學家莊子的話，莊子說我們必須質疑我們認為有用的東西。即使某物不能帶來直接的好處，它仍可能被證明是有價值的。因此，當Susumu Kitagawa開始研究創造多孔分子結構的可能性時，他並不認為它們必須有特定的目的。當他在1992年展示他的第一個分子結構時，它確實不是特別有用：一個二維材料，其空腔中可以藏匿丙酮分子。但它是源於一種關於分子建構藝術的新思維方式。像Robson一樣，他使用銅離子作為基石，通過更大的分子連接在一起。Susumu Kitagawa想繼續用這種新的建構技術進行實驗，但當他申請資助時，研究資助者們認為他的抱負沒有什麼特別的意義。他創造的材料不穩定且沒有用途，所以他的許多提案都被拒絕了。然而，他沒有放棄，並在1997年取得了他的第一個重大突破。利用鈷、鎳或鋅離子和一種名為4,4′-聯吡啶的分子，他的研究小組創造出了佈滿開放通道的三維金屬有機框架（如下圖所示）。當他們將其中一種材料乾燥——排空其中的水——它保持穩定，並且空間甚至可以填充氣體。該材料可以在不改變形狀的情況下吸收和釋放甲烷、氮氣和氧氣。Susumu Kitagawa的結構既穩定又有功能，但研究資助者們仍然無法看到它們的魅力。一個原因是化學家們已經有了沸石，這是一種由二氧化矽構成的穩定多孔材料。它們可以吸收氣體，那麼為什麼有人要開發一種效果不那麼好的類似材料呢？Susumu Kitagawa明白，如果他想獲得任何重大資助，他必須闡明金屬有機框架的獨特之處。於是，在1998年，他在《日本化學會志》上提出了MOF的幾個優點。例如，它們可以由多種類型的分子創造，因此整合不同功能的潛力巨大。此外，他還發現，MOF可以形成柔性材料。與通常是硬質材料的沸石不同，MOF含有柔性的分子建構塊，可以創造出一種柔韌的材料（如下圖所示）。此後，他所要做的就是將他的想法付諸實踐。Susumu Kitagawa與其他研究人員一起，開始開發柔性MOF。在他們致力於此項工作的同時，我們將目光轉向美國，在那裡，Omar M. Yaghi也正忙於將分子構築學推向新的高度。Yaghi 偷偷溜進圖書館後，他愛上了化學學習化學對Omar M. Yaghi來說並非一個顯而易見的選擇。他和他的許多兄弟姐妹在約旦安曼的一個沒有電和自來水的單間里長大。學校是他充滿挑戰的生活中的避難所。10歲時，他有一天偷偷溜進了通常上鎖的學校圖書館，並從書架上隨機選了一本書。打開書後，他的目光被一些看不懂但引人入勝的圖片所吸引——這是他第一次接觸分子結構。15歲時，他在父親的嚴令下，移居美國求學。這次，他再次被化學所吸引，並最終迷上了設計新材料的藝術。然而，在研究過程中，他發現傳統的建構新分子的方法太不可預測。通常，化學家將要相互反應的物質在一個容器中混合。然後，為了開始化學反應，他們加熱容器。期望的分子形成了，但通常也伴隨著一系列副產物雜質。1992年，當Yaghi在亞利桑那州立大學開始他作為研究組長的第一個職位時，他想找到更可控的方法來創造材料。他的目標是使用理性設計，像搭樂高積木一樣連接不同的化學成分，來製造大型晶體。這被證明是具有挑戰性的，但當研究小組開始將金屬離子與有機分子結合時，他們最終成功了。1995年，Yaghi發表了兩種不同的二維材料的結構；它們像網一樣，由銅或鈷連接在一起。後者可以在其空間中容納客體分子，當這些空間被完全佔據時，它非常穩定，可以被加熱到350°C而不會坍塌。Yaghi在《自然》雜誌的一篇文章中描述了這種材料，並首次提出了「金屬有機框架」這個術語；該術語現在用來描述由金屬和有機（碳基）分子建構的、可能含有空腔的、延展有序的分子結構。1999年，Yaghi在金屬有機框架的發展中樹立了下一個里程碑，他向世界展示了MOF-5。這種材料已成為該領域的經典之作。它是一種異常寬敞且穩定的分子結構。即使在空置狀態下，它也可以被加熱到300°C而不會坍塌。然而，真正讓許多研究人員為之驚嘆的是隱藏在該材料立方空間內的巨大內表面積。幾克MOF-5就擁有一個足球場那麼大的面積，這意味著它比沸石能吸收多得多的氣體（如下圖所示）。談到沸石和MOF之間的差異，研究人員只花了幾年時間就成功開發出了柔性MOF。其中一位能夠展示柔性材料的正是Susumu Kitagawa本人。當他的材料充滿水或甲烷時，它會改變形狀，當它被排空時，又會恢復到原來的形態。這種材料的行為有點像一個可以吸入和呼出氣體的肺，既可變又穩定。Omar M. Yaghi在2002年和2003年為金屬有機框架的基礎拼上了最後的拼圖。在《科學》和《自然》的兩篇文章中，他展示了以理性的方式修改和改變MOF，賦予它們不同屬性是可能的。他所做的一件事是製造了16種MOF-5的變體，其空腔比原始材料的更大或更小（如下圖所示）。其中一個變體可以儲存大量甲烷氣體，Yaghi建議這可以用於可再生天然氣燃料汽車。隨後，金屬有機框架席捲了全世界。研究人員開發出的分子工具箱，其中包含各種各樣不同的部件，可用於創造新的MOF。這些MOF具有不同的形狀和特性，為針對不同目的進行理性設計——或基於AI的設計——提供了難以置信的潛力。例如，Yaghi的研究小組已經從亞利桑那州的沙漠空氣中收集了水分（如下圖所示）。在夜間，他們的MOF材料從空氣中捕獲水蒸氣。當黎明來臨，太陽加熱材料時，他們就能夠收集到水。如今，研究人員已經創造了許多不同且功能強大的MOF。· MIL-101擁有巨大的空腔。它已被用於催化分解污染水中的原油和抗生素，以及用來儲存大量的氫氣或二氧化碳。· UiO-67可以從水中吸收PFAS，這使其成為一種很有前途的水處理和污染物去除材料。· ZIF-8已被實驗性地用於從廢水中開採稀土元素。· CALF-20具有卓越的二氧化碳吸收能力。它正在加拿大的一家工廠進行測試。· NU-1501經過最佳化，可在常壓下儲存和釋放氫氣。氫氣可用於為車輛提供燃料，但在普通高壓罐中，這種氣體極易爆炸。一些研究人員認為，金屬有機框架具有如此巨大的潛力，它們將成為二十一世紀的材料。時間會證明一切，但通過開發金屬有機框架，Susumu Kitagawa、Richard Robson和Omar M. Yaghi為化學家們解決我們面臨的一些挑戰提供了新的機遇。因此，他們——正如諾貝爾的遺囑所言——為全人類帶來了最大的福祉。獲獎者簡介Susumu Kitagawa北川進（Susumu Kitagawa），1951年出生於日本京都，是日本著名化學家，現任京都大學高等研究院（KUIAS）傑出教授兼執行副校長，主要專注於配位化學與材料化學領域。他在1997年首次通過氣體吸附實驗證明配位聚合物具有「多孔性」，從而開創了多孔配位聚合物（PCP）/金屬有機框架（MOF）材料的研究道路。他還率先提出「軟多孔晶體」（soft porous crystals）的概念，指出這些材料能夠在化學或物理刺激下發生可逆結構變化，從而具備比傳統多孔材料更豐富的功能性。北川進發表論文逾六百篇、被引用數萬次，並在學術界獲得眾多榮譽，包括日本學士院獎、紫綬褒章、De Gennes獎、Royal Society院士等。Richard RobsonRichard Robson，1937年6月4日出生於英國戈爾斯本，是墨爾本大學的無機化學教授，因其在配位聚合物領域的開創性研究而被譽為晶體工程與金屬-有機框架（MOF）化學的先驅。他在1970年代至1980年代逐步提出並驗證利用金屬離子與有機連接體建構三維長程配位網路的思想，這為後續大規模合成具備孔隙結構的配位聚合物奠定了基礎。Omar M. YaghiOmar M. Yaghi，1965年出生於約旦安曼，是當代極具影響力的化學家，現為美國加州大學伯克利分校James & Neeltje Tretter化學講席教授。他創立並推動了「網格化學」（Reticular Chemistry）這一新興學科，致力於將有機連接體與金屬簇通過強鍵組裝成具有高度永久孔隙性的晶體網路（如MOF、COF、ZIF等），其材料在氣體儲存、碳捕捉、水空氣中採水與催化等可持續發展領域具有突破性應用價值。讓我們再次向三位偉大的化學家致敬！ (新智元)

台北時間10月8日下午5時45分許，2025年諾貝爾化學獎揭曉。日本科學家北川進（Susumu Kitagawa）、澳大利亞科學家理查德·羅布森（Richard Robson）和美籍約旦科學家奧馬爾·亞吉（Omar M. Yaghi）獲獎，以表彰他們“開發了金屬有機框架（MOF）”。北川進（Susumu Kitagawa）、理查德·羅布森（Richard Robson）和奧馬爾·亞吉（Omar M. Yaghi）（從左至右）諾貝爾化學獎委員會主席海納·林克表示，MOF具有巨大潛力，為定製具有新功能的材料帶來以前無法預見的機會。“祝賀奧馬爾·亞吉教授！加利福尼亞大學伯克利分校終於可以給他一個諾獎專用車位了！”當晚，浙江大學生命科學研究院研究員林世賢在科學網直播間笑言。值得稱道的是，三位得主之一的亞吉教授並非起步於名校，而是從一所社區學院開啟學業，憑藉非凡的毅力與智慧，最終獲得諾貝爾獎。今年，恰逢他提出以MOF為代表的“網格化學”概念30周年。亞吉在實驗室大門上貼了便簽紙，意為“如果你讀到這裡，MOF是很棒的”。周子暉/攝微觀世界“搭積木”《中國科學報》：你對3位科學家獲得今年諾貝爾化學獎有何感受？復旦大學化學系教授李巧偉：我是亞吉教授的博士生，於2004年至2010年在他的課題組學習。今年是他開創的以MOF為代表的“網格化學”領域30周年。我認為，今年諾貝爾化學獎頒給這3位教授是實至名歸的。北川進教授是MOF領域非常著名的學者。他的貢獻是將“配位聚合物”提升到“多孔配位聚合物”的概念，最早通過高壓氣體吸附實驗證明了這類材料具有讓分子進入的孔道，是證明其多孔性的第一步。羅布森教授最重要的貢獻是將晶體化學“頂點與邊”的基本幾何原理引入了框架材料的研究。這為框架帶來了“設計感”，讓我們能夠通過選擇特定的“頂點”和“邊”，來預測和建構目標拓撲結構，為MOF的早期發展提供了重要的理論指導。林世賢：得知亞吉教授獲得諾貝爾獎時，我心情非常激動！在美國加利福尼亞大學伯克利分校求學時，我和同事們就在討論他什麼時候會拿諾貝爾獎，伯克利校園什麼時候會給他增加車位。伯克利校園建在半山坡上，空間非常有限，校內停車位極其緊張。學校有個特別關懷政策：諾貝爾獎得主可以把車直接開到學校裡面，表示一種尊重。其他師生只能把車停在校外停車場，再步行爬山到學校。這個小小的福利成了學校裡的一樁美談。上海交通大學長聘（教軌）副教授董金橋：3位得主提出了一種全新的材料構築方法，利用金屬離子與有機配體的自組裝過程，建構出結構高度可控的晶態多孔材料。這種材料體系兼具無機材料的穩定性與有機材料的可設計性，突破了傳統材料在結構調控和功能實現方面的侷限，開闢了多孔材料研究的新範式。《中國科學報》：應當如何通俗地理解MOF這一概念？中南大學化學化工學院教授張翼：人類歷史上第一個廣義上的MOF是一種被稱為“普魯士藍”的染料，它非常穩定。但問題在於，像普魯士藍這樣極其穩定的框架材料，往往缺乏我們所需要的催化活性。我們可以把MOF想像成微觀世界的“搭積木”：一個金屬離子作為核心，周圍通過配位鍵連接上各種有機配體，從而搭建出各種各樣、形狀各異的框架結構。華東師範大學化學與分子工程學院教授姜雪峰：我們在化工領域模仿自然界，用有機配體與金屬配位，像“搭樂高”一樣搭建出籠子、框架、正四面體等不同結構，這就是MOF。MOF本質上是化學領域的“限域工具”。“限域”意味著把分子限制在特定範圍裡，分子的電子躍遷、軌道排布、催化特徵等都不同於宏觀體系，從而帶來很多新規律。已有商業應用《中國科學報》：MOF的應用價值和前景如何？董金橋：由於具有可調節的孔隙結構和高度有序的晶體排列，MOF材料展現出極高的應用潛力。例如，在氣體吸附領域，MOF可用於選擇性吸附工業煤氣中的氮氣、二氧化碳等目標分子，表現出優異的分離與純化性能。在催化領域，通過將有機催化劑固定於MOF的孔腔結構中，不僅可實現立體選擇性和限域效應，還能有效防止催化劑失活，顯著提高催化效率與循環使用次數，從而降低整體生產成本。目前，部分MOF材料已在商業領域實現初步應用，特別是在氣體儲存與分離方面展現出廣闊前景。可以預見，隨著相關技術的進一步發展和成本的持續最佳化，MOF材料將在更多行業實現規模化應用，釋放其在能源、環境、醫藥等關鍵領域的巨大潛力。我們也期待MOF未來成為推動新材料變革的重要力量。林世賢：在高校和科研機構，MOF材料被廣泛研究，我相信諾貝爾獎的授予會極大激發商業轉化熱情，為這種框架材料找到改變我們生命健康的創新應用。姜雪峰：MOF憑藉多孔結構，在氣體分離、檢測、催化及藥物緩釋等方面展現出廣闊的應用前景。然而，其“積木式”籠狀結構在工業複雜環境下易塌陷，穩定性仍是產業化的主要瓶頸。此次諾貝爾獎既是對3位奠基者貢獻的肯定，也寄託了對開發更穩定、廉價、適用性強的MOF材料的期待，未來有望開啟更多應用可能。《中國科學報》：應當如何看待MOF在儲氫方面的應用潛力？李巧偉：大約20年前，曾有人提出用MOF儲氫。研究發現，在低溫高壓下，MOF具有可觀的儲氫吸附量。如今，其能實現的儲氫量越來越多，所需條件（如溫度）越來越接近常溫，正慢慢靠近商業化的目標。對於利用MOF再結合其他材料的優點實現儲氫，我持樂觀態度。“是里程碑，而非‘巔峰’”《中國科學報》：一個領域獲得諾貝爾獎，是否意味著它已經到達了巔峰？這對領域未來的發展會產生什麼影響？張翼：我不這麼認為。我們可以用超分子化學來類比，它在1987年首次獲獎之後，2016年再次獲獎。諾貝爾獎不是終點，而更像是一個里程碑，標誌著這個領域的成熟與巨大潛力，並會激勵更多人才和資源湧入，推動它走向新的高峰。當然，這最終也取決於該領域未來的實際應用突破。董金橋：諾貝爾獎的光環將進一步激發全球科學界對該領域的關注與投入，推動MOF從結構構築向功能應用加速轉化。事實上，諾貝爾獎往往並非某一研究方向的終點，而是新階段的起點。拿我自己來說，我目前正致力於柔性MOF的研究，相關工作已初步證實金屬-多肽框架（MPFs）在生物醫藥領域具有良好的應用前景，未來有望在靶向藥物遞送、生物感測、抗菌與組織修復等方向發揮重要作用。姜雪峰：諾貝爾獎並非科學終點，而是新起點。MOF的可能組合無窮，但真正有價值的有限。正如生命篩選出關鍵蛋白，我們期待人工智慧（AI）與化學結合，加速篩選高效穩定的MOF材料，攻克其應用瓶頸。“英雄不問出處”《中國科學報》：從這次諾貝爾化學獎的得主身上，你認為科學家成功的“道”是什麼？李巧偉：亞吉教授出生在約旦，在美國從一所社區學院開始他的學業，並非起步於名牌院校，之後在美國紐約州立大學就讀本科，他的博士學位在美國伊利諾伊大學厄巴納-香檳分校（UIUC）獲得。他富有遠見，早年即提出框架化學構想，並敏銳投身多孔材料領域。他大力支援學生創新，共價有機框架（COF）的開創性研究便始於讓學生自由探索，經他推動發展為重要方向。張翼：堅持是至關重要的。尤其是在你不知道前方會有什麼結果、甚至感到迷茫的時候，堅持就顯得無比重要。我常對學生和同事說，我們學化學的人可能沒有數學、物理領域的天才們那麼聰明，但我們擁有堅持的毅力。另外，這次獲獎也讓我深感“英雄不問出處”。一方面，科研人員不要因為起點低而自我設限；另一方面，建議一些高校和科研機構不要過於看重科研人員的“第一學歷”或出身。真正重要的是他們的科學洞察力、創造力和持之以恆的努力。姜雪峰：如果用一個關鍵詞概括，我覺得是“好玩”。科學家起步時往往帶有一定“功利性”——為解決某個問題而研究。但真正深入之後，需放下功利，回歸好奇與熱愛。MOF結構千變萬化，有如中國結、圓環、方籠等形態，搭建它們本身就像玩樂高，充滿樂趣。科學探索中，大多數嘗試未必如願，但正是在不斷試錯中，我們接近未知、解決真問題。讓青少年因“好玩”而選擇科學，在探索中理解自然規律、克服對未知的恐懼，進而以認知反哺個人成長與社會發展。對科技工作者來說，終極狀態就是在好玩中創造“有用”，用“有用”解決人類問題。林世賢：對於MOF的成功，我最大的感觸就是“簡潔之美”——材料的合成路徑非常簡潔、材料本身的化學結構體現簡潔之美，科學家做研究的心態很簡潔。簡潔之美的科學，一句話或一個眼神就能讓人聽懂、看明白，這很重要。正所謂“大道至簡”，或許我們每位科研工作者都應該思考，怎麼做更簡潔的科學。《中國科學報》：亞吉教授是一位什麼樣的人？李巧偉：我6年的學習生涯中，研究工作大多圍繞興趣展開，他不會指定一個必須達成的應用目標。這讓我們能以探索的好奇心去工作。其實，我前三四年的成果並不突出，但我並沒有感受到急於發表論文的壓力，這讓我能以更好的心態深耕課題，挖掘其真正的科學內涵。畢業之後，我們仍保持著良好的師生互動，我經常邀請他來復旦大學做講座，我們也會及時溝通科研進展。他是一位真正將科學研究置於至高地位、人格魅力令人敬佩的老師。美國加利福尼亞大學伯克利分校博士後周子暉：我是亞吉教授的博士生，現在在他課題組進行博士後研究工作。他事無鉅細地關心學生，不管是新生還是即將找工作的畢業生，如果我們想找他一對一討論，給他發個郵件，基本上一周內就能見面溝通。只要他在學校，基本上是我們組第一個到的。他不吃午飯，從早晨8點到下午4點左右，一整天都泡在實驗室裡。林世賢：亞吉教授經歷傳奇，極具感染力。聽說他15歲才移民美國，從零學英語。他樹立了一個強大的科學家典型——通過努力實現科研理想，重塑自己的命運。後來，我還瞭解到，他因童年缺水經歷，執著於研發從空氣中取水的MOF材料。他將個人夢想融入科研，彰顯了科學背後深刻的人文價值，這令人震撼。 (中國科學報)

10月9日，2024年諾貝爾化學獎揭曉。戴維·貝克、戴密斯·哈薩比斯和約翰·喬普共享這一獎項。戴維·貝克在“計算蛋白質設計”領域貢獻突出，其餘兩人則在“蛋白質結構預測”方面成就斐然。這也是繼物理學獎之後，今年諾貝爾獎再一次授予人工智慧的相關成果及科學家。 人工智慧“梅開二度” 作為全球最重磅的科技獎項之一，每年諾貝爾獎頒獎前，各類預測層出不窮。在今年諾貝爾化學獎揭曉前，此次獲獎的三位科學家已呼聲極高。獎項結果稱得上眾望所歸。 “尤其是戴維·貝克，他是計算蛋白質設計領域的拓荒者，並且持續性做出國際先進的研究成果，我認為他們獲獎實至名歸。”清華大學生物醫學交叉研究院助理教授、北京生命科學研究所研究員徐純福認為，在今年諾貝爾物理學獎已經頒發給機器學習科學家的情況下，諾貝爾化學獎仍然頒發給了三位從事計算研究的科學家，有些令人意外，但這也側面體現了相關獲獎成果極其重要的科學價值。