在数字网状化学中寻找结构缺陷：来自金属有机框架的经验教训
材料科学
2026-04-23 v4 化学物理
摘要
数字网状化学依赖于精确的晶体结构来推动计算筛选、数据驱动发现和结构-性质分析，然而最近的研究表明，在主要计算筛选活动中，超过一半的顶级候选结构在化学上是无效的。在实验性MOF数据库中，当无序或不完整的结构模型被错误地转换为完全指定的模拟输入时，就会出现结构错误。在假设性MOF数据库中，结构在构造上是完整的，但可能编码了化学上不合理的氧化态、配位环境或电荷分布。我们将这些错误的结构模型称为“结构缺陷”。这篇小型综述提出了三个问题：这些错误在哪里引入，我们如何发现它们，以及我们如何预防它们。在预防方面，关键步骤是从一开始就保留衍射数据和合成细节，在结构进入数据库时使用一致的策展，并在结构生成之前过滤拓扑选择。连接这些步骤可以防止许多不良结构进入下游数据库，并减少以后修复它们的需要。
引用
@article{arxiv.2603.26295,
title = {Hunting Structural Demons in Digital Reticular Chemistry: Lessons from Metal-Organic Frameworks},
author = {Yongchul G. Chung and Myoung Soo Lah},
journal= {arXiv preprint arXiv:2603.26295},
year = {2026}
}