2025年10月8日，在金属有机框架研究领域作出重要贡献的北川进、Richard Robson和Omar Yaghi共同荣获诺贝尔化学奖。这一领域历经三十余年的发展，完成了从结构概念探索到产业化应用的完整演进，为化学研究的可计算化奠定了坚实基础。如今，随着生成式人工智能模型与扩散算法等新兴技术的融入，MOF研究正迎来化学设计的智能化变革。
诺贝尔奖评审委员会在斯德哥尔摩宣布，将2025年度化学奖授予京都大学教授北川进、墨尔本大学Richard Robson教授与加州大学伯克利分校Omar Yaghi教授，以表彰他们在金属有机框架研究中作出的开创性贡献。这个经过超过三十年实践验证的领域，其价值终于获得国际科学界的最高认可。
诺奖委员会主席Heiner Linke在官方声明中表示："北川进、Richard Robson和Omar Yaghi构建的新型分子结构具有巨大空腔，允许分子自由穿梭，因而能够从沙漠空气中提取水分、从水体中清除污染物甚至捕获二氧化碳。这些具有模块化特性的材料，为实现可持续能源、环境保护等重大挑战提供了全新解决方案。
如今MOF材料的意义早已超越传统材料科学范畴，正推动人类进入精准设计物质的新纪元。当科学家在分子尺度上发现了这种可编程的三维空间，化学研究便从经验探索阶段迈入了理性设计时代。
更多前沿研究论文：https://hyper.ai/papers
从配位聚合物到MOF：三十六年的化学拼图
从1980年代的概念萌芽到2025年摘得诺奖，MOF研究完整经历了从理论构想到体系化设计的三阶段演进。
早在1989年，Richard Robson教授首次提出三维配位聚合物的结构构想，尝试以全新方式利用原子的固有属性。他采用配位键将金属节点与有机配体连接成周期性网络结构，通过带正电的铜离子与四臂分子结合，构筑了每个末端都带有化学基团、可定向组装的新型分子体系。
这项开创性研究以《由三维连接棒状片段构成的无限聚合物框架》为题，发表在《美国化学会志》上。合作者Ben F. Hoskins提供的实验证据，为MOF概念的萌芽奠定了重要基础。
Richard Robson与Ben F. Hoskins合作发表的论文示意图
此后的十五年间，Omar Yaghi和北川进团队分别在《自然》《科学》等顶级期刊发表系列突破性成果。他们在结构构筑与功能调控方面取得的关键进展，不仅确立了MOF这一新型多孔材料体系，更推动了材料研究从实验室走向产业化应用的关键转变。
这一时期的研究重点转向了MOF结构的动态特性研究。北川进团队证实了气体可以自由进出这种分子结构，提出"柔性框架"与"呼吸式MOF"等创新概念，使材料从静态结构转变为智能响应型体系。
1999年，Omar Yaghi团队成功研发出具有优异稳定性的MOF-5材料，并通过理性设计对其孔道结构进行精准修饰，从而实现对材料性能的定向调控。Yaghi提出的"可设计框架"理念，标志着化学合成开始进入结构可预测的新阶段。
同时期，Michael O’Keeffe与Omar Yaghi合作发表《MOF结构分类体系研究》，首次从拓扑学视角系统阐释了晶体与MOF的底层结构关联。
MOF-5晶体结构示意图
随着研究热度的持续升温，MOF材料在气体存储、药物递送、催化转化等领域的应用潜力不断显现，多个高性能MOF材料体系已进入产业化实施阶段。
新型能源燃气输送系统工程概念示意图
近年来，工业领域的碳捕集技术成为MOF材料的重要应用方向。例如卡尔加里大学团队开发的CALF-20系列材料，在含水含氧的复杂环境中依然能保持优异的吸附性能，突破了传统材料在潮湿环境中容易失活的限制。该材料已被加拿大公司用于捕获水泥生产过程中产生的温室气体。
CALF-20材料结构表征图
对于MOF材料的特殊性质，诺奖委员会主席Heiner Linke给出了生动比喻："这类材料就像是《哈利·波特》中赫敏的手提包，外表紧凑却内含超乎想象的空间。"
据统计数据显示，目前全球范围内以MOF为主题的学术论文已超过十万篇，显示出这一研究领域的蓬勃活力。
当MOF遇见AI算法：化学研究与人工智能的共振
在人工智能与各学科深度融合的浪潮中，研究人员开始探索智能技术赋能MOF研究的更多可能性。此前南昌大学团队发表的文献计量研究表明，自2016年以来，AI与MOF的交叉研究呈现爆发式增长，预示着这一创新方向值得持续关注。
AI技术在MOF研究中的应用趋势图
MOF材料的结构化特性与化学数字化
MOF之所以成为化学研究的理想对象，源于其天然的模块化构成与可参数化特性。根据韩国科学技术院在《美国化学会志》发表的综述，MOF结构本质上由金属节点、有机配体与空间拓扑三类基本元素组成。
这些维度的组合使得MOF空间呈现指数级多样性。同时，候选结构具有明确的化学语义，使其成为机器学习参与化学研究的理想载体。
双向共生：AI重塑MOF研究范式
天津理工大学、中国科学院与新加坡科技研究局联合团队的研究表明，人工智能技术正从数据驱动和算法创新两个维度重塑MOF研究。
最新开发的MOFFlow生成框架，通过流动匹配方法将金属节点和有机配体等构件在预设坐标系中重新排列组合，显著提升了材料设计效率。
智能驱动的新型材料设计概念图
结语
从Robson的三维配位聚合物雏形，到Yaghi与北川进建立的可设计框架，再到今天AI参与的自动化生成，MOF的发展轨迹不仅见证了化学研究方法的根本转变，更预示着材料科学即将进入全新发展阶段。
参考文献：
1. https://arxiv.org/html/2504.14110v1
2. https://arxiv.org/abs/2410.17270
3. https://arxiv.org/pdf/2505.08531
4. https://pubs.acs.org/doi/10.1021/jacsau.4c00618
5. https://www.nobelprize.org/prizes/chemistry/2025/popular-information/
6. https://www.nobelprize.org/prizes/chemistry/2025/press-release/
7. https://www.science.org/doi/10.1126/science.abi7281
