項目 13評分 3.55C · 僅供追蹤查證 2026-09-02
金屬有機框架（MOF）的可能組合有上兆種，而傳統模擬算一個要七小時到兩天。普林斯頓的機器學習模型把它壓到幾秒。更有意思的是第二層：他們發現用多樣性（而不是只用「好」）當搜尋目標，能找到標準方法系統性漏掉的好材料。
兆級的材料組合裡，最好的那些藏在「不像」的地方
🔧 更正紀錄（2026-08-15）
Top 20 清單中本項目歸屬錯誤。 原文寫成「Leslie Schoop 與 Bogdan Bernevig」的成果。
實際上，2026 年 1 月那個「大幅縮小理想材料結構搜尋範圍」的工具，是普林斯頓資工系 Adji Bousso Dieng 教授的 Vertaix 實驗室做的，主題是金屬有機框架（MOF）。
Schoop 與 Bernevig 在新的 NSF 資助 AI 研究所擔任領導角色，那是機構層面的事，與這個工具是兩回事。我把兩件事混講了。
本篇以 Dieng 的成果為主題重寫。
🔧 更正紀錄（2026-09-02）
本篇有兩處要更正：一個日期，以及一個把兩篇論文併成一篇的歸屬錯誤。
① JACS 論文的發表日期寫錯了。
- 原文寫什麼：「現在到哪了」表格寫「2026-01-06｜MOF 自由能快速預測工具發表（JACS）」。
- 正確是什麼：該論文於 2025-12-16 線上刊出，紙本收於 JACS 147 卷 52 期、48035–48045 頁。2026-01-06 是 Princeton Engineering 報導的日期，不是論文發表日。報導自己也寫「published a paper detailing the work on Dec. 16」。
- 依據：Crossref 10.1021/jacs.5c13960｜Princeton Engineering（2026-01-06）
② 「第二層：Vendi Score 導向搜尋找到標準方法錯過的穩定 MOF」，不是這篇 JACS 論文的結果。
- 原文寫什麼：「這是什麼 ③ 機制拆解」把「第一層：ML 預測自由能（JACS）」與「第二層：最佳化 Vendi Score → 找到標準搜尋方法錯過的、穩定且節能的 MOF」寫成同一個成果的兩層，「現在到哪了」表格也把兩者並列在 2026 年 1 月前後。
- 這句話有出處，而且是一手的：它出自 Dieng 本人 2026-01-02 在 deeplearning.ai「The Batch」的署名文章，第一人稱寫道「we found that optimizing the Vendi Score allowed us to identify stable, energy-efficient MOFs that standard search methods missed because they could not effectively explore a search space that spans trillions of materials」——與本篇正文那句幾乎逐字對應。所以我們的錯不在轉述。
- 錯在我們把它接到了哪一篇論文上：Dieng 在同一段裡，親手把這句話的「materials discovery」超連結到 2024 年 10 月的 Chemical Science VBO 論文（Liu、Nguyen、Dieng、Gómez-Gualdrón，提出 Vendi Bayesian Optimization）。她自己就歸給 VBO，沒有歸給那篇 JACS。 而本篇把它接到了 2025 年 12 月的 JACS 自由能論文上——那篇的摘要只講三件事：MOFMinE 資料集、MOFSeq 序列表示法、以 LLM-Prop 微調預測自由能，並未提及 Vendi Score。Princeton 的報導甚至把「搜尋」講成還在做的事：Dieng 說團隊「are also using that system to add a search function to their tool to help find stable MOFs」。
- 附帶把一個容易誤讀的地方說清楚：VBO 的最佳化目標是三個與 NH₃ 吸附相關的性能指標（NH₃ 儲存、從膜電漿反應器中移除 NH₃、從空氣中捕捉 NH₃）；而「穩定且節能」是該論文對勝出設計的結果描述——原文寫最佳設計預期會「be thermally stable at the operation conditions」並且「require only ca. 10% of the energy content in NH₃ to release the stored molecule」。目標與結果是兩件事，但兩件事都在那篇論文裡，本篇正文的形容並沒有錯。
- 依據：The Batch（2026-01-02），Dieng 署名文章｜Chemical Science, 10.1039/d4sc03609c（VBO 原文）｜JACS 摘要｜Princeton Engineering（2026-01-06）
- 這條更正不改變本篇的核心命題——「把多樣性當成搜尋目標」是 Dieng 提出的，有一篇同儕審查論文（VBO）支持，本篇對它的描述也站得住。改變的只是時間軸與歸屬：VBO 是 2024 年 10 月的成果，那篇 JACS 是 2025 年 12 月的另一個成果，兩者不是同一個工作的兩層。這一次的教訓跟上一次不同：上一次是我們把成果歸錯了人；這一次是作者自己在一篇科普文章裡把兩條線寫在同一段，而我們沒有回去點那個超連結——而那個超連結就指向正確答案。
我們把更正放在最前面，而不是偷偷改掉。
鉤子
材料科學有一個令人沮喪的算術問題。
假設你想找一種材料，能高效吸附二氧化碳。你知道大致的化學家族，你知道要調哪些參數。
然後你算一下有多少種可能：上兆種。
而要判斷其中一種行不行，傳統的分子模擬要跑七個小時到兩天以上。
拿兩天乘以一兆，你得到一個沒有意義的數字。
所以材料科學的實務是：憑經驗和直覺挑幾百種來算。
這件事的問題不在於它慢。在於——你的直覺會把你帶到你已經知道的地方。