CLOSED-LOOP AI SCIENTIST · ELECTROLYTE DISCOVERY

让 AI 提出分子，
也让它知道何时不可信。

从“替人计算已知分子”到“自己发现新分子”。语言模型扮演化学家提出电解液溶剂候选，RDKit 拦下不合理的结构，UMA 机器学习势在 Rowan 云端快速筛选，可靠性层再决定把有限的 DFT 预算花在哪些“有希望但可疑”的分子上。

打开工作台 方法与边界

AI 由你自己的 DeepSeek 或 Meta Muse API key 驱动；量化计算在 Rowan 上运行，结果导回本页。所有项目数据只保存在你的浏览器。

  1. 01化学家提出Muse Wonder / DeepSeek 每轮提出 10 个分子与设计理由
  2. 02RDKit 过滤元素、大小、危险基团、复杂度、InChIKey 去重
  3. 03UMA · Tier 1构象 + 4 个电荷态，IP / EA / Li⁺ 结合能
  4. 06记忆与反馈前沿、失败案例与 DFT 判决回传给下一轮
  5. 05Tier 2 / 3 验证Rapid 氧化还原电位；ωB97M-V 单点确认或推翻
  6. 04可靠性层先验误差、模型分歧、适用域、参考集距离
灰底步骤运行在 Rowan 云端 · 每轮 6 步 · 计划 10 轮以上
3级精度：UMA → 隐式溶剂电位 → ωB97M-V
6条可靠性规则，决定谁值得 DFT
9个常用溶剂作为种子与参考集
0.26 VUMA-S 主族还原电位 MAE（N = 192）

WORKBENCH

闭环工作台

让 AI 化学家提出下一轮候选

AI 会看到当前 Pareto 前沿、上一轮被过滤的分子和被 DFT 推翻的判决，按 JSON 输出 SMILES 与一句话设计理由。生成后自动进入 RDKit 过滤。

手动添加分子

每行一个 SMILES，后面可以跟空格和设计理由。也可以贴入从论文或数据库里挑出的结构。

历次轮次

METHOD & LIMITS

方法：三级精度、六条可靠性规则

目标是找到同时强抗氧化、强抗还原、与 Li⁺ 结合强度适中的溶剂分子。评估分三级，每升一级更准、更贵、覆盖的分子更少；排名用多目标 Pareto 前沿，不压缩成单一分数。

层级对象计算内容方法（均在 Rowan 上）
Tier 1 · 筛选每轮全部分子构象搜索 → 中性 / 阳离子 / 阴离子 / Li⁺ 络合物优化 → IP、EA、Li⁺ 结合能UMA-S 1.2（uma_s_1_2_omol），再在同一几何上做 UMA-M 单点检查分歧
Tier 2 · 电位每轮前 3–5 个乙腈中的单电子氧化 / 还原电位（V）氧化还原电位工作流，Rapid 模式（GFN2-xTB 几何 + r²SCAN-3c 单点）
Tier 3 · 验证每轮 2–3 个“有希望但可疑”的中性与离子态的高精度单点，得到 DFT 级 IP、EAωB97M-V/def2-TZVPD（与 OMol25 同一约定），或电位工作流的 Meticulous 模式
性质Tier 1 算法（UMA）Tier 2目标方向
抗氧化绝热 IP = E(阳离子, +1, 二重态) − E(中性, 0, 单重态)氧化电位越高越好
抗还原绝热 EA = E(中性) − E(阴离子, −1, 二重态)还原电位溶剂：还原电位越负越好；SEI 添加剂相反
溶剂化Li⁺ 结合能 = E(Li⁺·溶剂, +1) − E(Li⁺) − E(溶剂)—落在参考溶剂范围内：太强难脱溶剂，太弱溶盐差
抗夺氢（可选）—键解离能工作流最弱 C–H 键越强越好

Rowan 电位工作流的四种精度

模式几何优化单点能
RecklessGFN-FFGFN2-xTB
Rapid（网页默认）GFN2-xTBr²SCAN-3c
Carefulr²SCAN-3cωB97X-3c
Meticulousr²SCAN-3c → ωB97X-3cωB97M-D3BJ/def2-TZVPPD

几何在气相优化，单点包含隐式乙腈。默认输出相对 SCE 的电位；面向电池读者时统一换算到 Li/Li⁺。

可靠性先验：OMol25 系列模型的基准

方法还原电位 MAE（V，N = 192）电子亲和能 MAE（eV，N = 37）
UMA-S0.2610.439
UMA-M0.4070.398
eSEN-S0.5050.502
GFN2-xTB0.3030.600

UMA-S 的主族还原电位误差与低成本 DFT 方法 B97-3c（0.260 V）相当；UMA-M 与 eSEN-S 存在离群值，使 RMSE 超过 1 V——这正是“S/M 模型分歧即存疑”这条规则的依据。另一项独立基准发现这类模型在纯电子转移与训练集中少见的活泼离子上会退化，建议“势函数几何 + DFT 单点 + 隐式溶剂校正”，与这里的分级设计一致。

种子、参考集与分子约束

种子与参考集为 9 个常用溶剂：EC、PC、DMC、DEC、EMC、FEC、VC、DME、DOL。参考值优先取自 LIBE 数据集（ωB97X-V/def2-TZVPPD/SMD，以碳酸酯为主），缺失的由 Tier 3 补齐。进入计算前由 RDKit 自动检查：只含 C、H、O、F（可放宽到 N、S、P、B）；重原子不超过 20 个；SMILES 能解析；合成可及性低于阈值；排除过氧、叠氮等不稳定或危险基团；按 InChIKey 去重，不重复评估。

新颖性检查按 InChIKey 查询 PubChem。未收录只说明“新”，不说明“好”或“可合成”。

已知局限

  • 电位工作流的溶剂固定为乙腈，不是碳酸酯电解液，只适合做相对排序。
  • 忽略阴离子（如 PF₆⁻）与电极界面对氧化稳定性的影响。
  • 不考虑黏度、熔点、闪点、电导率等宏观性质。
  • 合成可及性只是启发式分数，没有实验验证；结论只作为初筛。
  • SCE 到 Li/Li⁺ 的换算默认用水相约定（SCE = +0.241 V，Li⁺/Li = −3.040 V，均相对 SHE），在乙腈体系里需要核对后写入说明。

来源

  • Rowan：云端 UMA、氧化还原电位工作流与 GPU DFT；rowan-python（MIT）
  • VanZanten & Wagen（2025）：OMol25 系列模型对实验还原电位与电子亲和能的基准（上表数值）；背景见 Rowan 的 The OMol25/UMA Release
  • arXiv:2510.24063：基础势函数与量子化学方法计算氧化还原电位的比较
  • arXiv:2505.08762：OMol25 数据集（CC BY 4.0）；UMA 权重遵循 FAIR Chemistry License
  • facebook/UMA · fairchem 文档
  • MolLEO（ICLR 2025）：已有的 LLM 驱动分子进化搜索；本工作台的差异在于分级物理计算与可信度判断