色譜技術是化學研究與工業(yè)生產中最基礎、最關鍵的分析與純化方法之一，廣泛應用于有機合成、材料制備、藥物研發(fā)和精細化工等領域，其分離效率和可靠性直接影響化學研究與工程實踐的整體質量。然而，色譜行為由分子結構、實驗條件與分離介質等多因素共同決定，機理復雜、耦合性強，長期以來色譜方法的建立與優(yōu)化主要依賴研究者經驗和反復試錯，難以形成系統(tǒng)化、可遷移的預測模型，制約了分離效率提升與實驗結果的可重復性。在此背景下，將實驗自動化與人工智能方法引入色譜研究，通過數(shù)據驅動與機理約束相結合的方式，對色譜分離過程進行建模與預測，可為實現(xiàn)色譜分離過程的可預測化與智能化提供新的研究路徑。
北京大學材料學院、科學智能學院莫凡洋課題組五年前開始布局進入人工智能研究賦能合成化學新研究領域，自22年以來，圍繞色譜分離的關鍵科學問題，開發(fā)了自動化色譜實驗平臺，構建了色譜分離預測模型，并利用機器學習方法對不同色譜技術條件下的分離行為進行建模，實現(xiàn)了色譜條件的快速優(yōu)化。針對薄層色譜（Chem 2022,8, 3202.）、柱色譜（Chem 2025,11, 102598.）、氣相色譜（Digit. Discov. 2025,4, 2465.）和高效液相色譜（Nat.Commun.2023,14,3095.）等合成實驗室中典型的色譜技術，系統(tǒng)構建了涵蓋分子結構、實驗條件與色譜行為的多源色譜數(shù)據體系。其中，課題組通過統(tǒng)計分析與機器學習方法，建立了薄層色譜Rf值與柱色譜洗脫體積之間的顯式定量關系，將長期依賴經驗的“TLC指導CC”實驗規(guī)則轉化為可計算的數(shù)學模型，為色譜條件選擇提供了定量依據（Nat. Commun.2025,16, 832.）。
實驗自動化和人工智能輔助色譜分離
課題組對上述研究工作進行了系統(tǒng)總結，在國際化學領域權威期刊《化學研究評述》（Accounts of Chemical Research）上發(fā)表題為“Automation and AI-Powered Prediction in Chromatographic Separation”的綜述（Account類型）文章（Acc. Chem. Res.,2025, DOI: 10.1021/acs.accounts.5c00677, IF: 17.7），系統(tǒng)闡述了實驗自動化與人工智能推動色譜分離由經驗驅動向數(shù)據驅動轉變的研究歷程與發(fā)展趨勢，為基于合成化學思維和分離手段的技術創(chuàng)新與解決工業(yè)生產、藥物研發(fā)及材料制備領域的實際問題緊密結合提供了有益參考。
論文信息
北京大學博士生劉丞軍為第一作者，莫凡洋長聘副教授為通訊作者，北京大學科學智能學院為論文第一通訊單位。該工作得到了深圳市高層次人才科研啟動經費、北京大學深圳研究生院AI4S交叉研究專項、廣東省納米微米材料研究重點實驗室以及北京大學高性能計算平臺的資助與支持。
論文鏈接：https://pubs.acs.org/doi/10.1021/acs.accounts.5c00677
