Stony Brook 用机器学习筛选 130 万种 CO2 电还原溶剂，开放 COSMIC 数据库服务碳利用研究
学术圈重大事件 · 发布 2026-06-23T13:02:00+08:00 · 更新 2026-06-23T13:13:04+08:00
Stony Brook University 6 月 22 日发布 Cell Reports Physical Science 论文，团队把物理化学模拟与机器学习结合，筛选约 130 万个候选分子，为 CO2 电还原寻找更合适的电解液溶剂，并开放 COSMIC 数据库。该工作偏平台和设计规则，不等于已完成工业验证，但能降低碳利用电化学路线的材料搜索成本。
Stony Brook University 6 月 22 日发布的研究称，Kuldeepsinh Raj 与 Nav Nidhi Rajput 团队在 Cell Reports Physical Science 发表 “Data-Driven Molecular Design Rules for Electrolytes in CO2 Electroreduction”。论文关注 CO2 电还原中的电解液选择：同样是用电把 CO2 转化为一氧化碳、乙烯或乙醇等产物，溶剂会影响 CO2 溶解度、传质、反应速率、稳定性和产物分布。
Stony Brook 用机器学习筛选 130 万种 CO2 电还原溶剂，开放 COSMIC 数据库服务碳利用研究（图源：Stony Brook University / Newswise 发布）
团队的做法不是逐一实验，而是把物理化学模拟、分子动力学和机器学习结合起来，对约 130 万个候选分子进行计算筛选。新闻稿称，最终识别出 6 个此前未用于该目的的潜在溶剂，包括 5 个环醚和 1 个腈；这些溶剂在模型中表现出更高 CO2 溶解能力和更快传输潜力。研究还把数据、模型和结果整理为开放数据库 COSMIC，供其他团队复用。
这类工作的重要性在于，把 CO2 电还原从“催化剂优先”的单点优化，扩展到电解液、传质和体系工程的共同设计。对于实验室来说，大规模计算筛选可以减少试错范围；对于碳利用产业化路线来说，电解液安全性、成本、挥发性、长期稳定性和与电极/膜材料的相容性，都会决定技术是否能从小电解池走向连续系统。
不过，这仍是材料发现和设计规则层面的进展。候选溶剂在真实电解器中的法拉第效率、电流密度、产物选择性、寿命和放大成本，需要后续实验验证。新闻稿使用“帮助逆转气候变化”的表述偏传播化，本文更保守地把它理解为降低 CO2 电还原体系开发成本的一项数据基础设施。
信息来源
可信度说明
来源为 Stony Brook 机构新闻和 Cell Reports Physical Science 论文题名/链接，研究对象、筛选规模、候选溶剂类别和数据库开放方向可核验；边界是新闻稿披露的主要为计算筛选和设计规则，真实装置性能仍需论文实验细节及独立验证支持。