人工智能驱动的工作流加速新型光敏剂设计
材料科学
2025-11-25 v1 机器学习
化学物理
摘要
高性能光敏剂的发现长期受到传统试错方法耗时且耗费资源的影响。在此，我们提出人工智能加速光敏剂创新（AAPSI），一个将专家知识、基于骨架的分子生成和贝叶斯优化集成的闭环工作流，以加速新型光敏剂的设计。AAPSI 中的骨架驱动生成确保结构新颖性与合成可行性，而迭代的 AI-实验循环加速了新型光敏剂的发现。AAPSI 利用一个包含 102,534 个光敏剂-溶剂对的精选数据库，生成了 6,148 个可合成的候选物。这些候选物通过图变换器进行筛选，以预测单线态氧量子产率（）和吸收最大值（），随后进行实验验证。本工作生成了若干光动力疗法（PDT）的新型候选物，其中基于 hypocrellin 的候选物 HB4Ph 在当前光敏剂中表现出卓越性能，处于高单线态氧量子产率和长吸收最大值的帕累托前沿（=0.85，=650nm）。
引用
@article{arxiv.2511.19347,
title = {Artificial Intelligence Driven Workflow for Accelerating Design of Novel Photosensitizers},
author = {Hongyi Wang and Xiuli Zheng and Weimin Liu and Zitian Tang and Sheng Gong},
journal= {arXiv preprint arXiv:2511.19347},
year = {2025}
}