物理科學與工程學院聲子學中心任捷教授團隊在人工智能+微結構物質設計與藥物篩選的交叉領域取得重要進展，與上海交通大學張詩宜教授實驗課題組合作🧑‍🦳，開發了一種協同機器學習方法結合量子物理材料計算和動物生化濕實驗，加速發現能夠作為慢性疾病潛在口服藥物的納米多孔無機晶體🏤。該方法展示了在藥物研發領域的巨大潛力🟫𓀏，不僅能夠加速新藥發現🏄‍♀️，還能提高藥物安全性和有效性🦸🏼‍♂️，有望為患者帶來更好的治療效果👙。該研究成果以“Synergistic Machine Learning Accelerated Discovery of Nanoporous Inorganic Crystals as Non-Absorbable Oral Drugs”為題🚂，發表在國際頂尖期刊《先進材料》（Advanced Materials）上。

在慢性腎臟病領域，高鉀血症具有未被滿足的臨床需求。納米多孔材料由於其不可吸收性質，在作為非口服性藥物方面有巨大的應用潛力。因為多孔材料具有豐富的多孔結構🪰，可以通過相互作用吸收人體消化道中不需要的客體分子/離子，這在治療一系列慢性疾病方面有很大的前景🫅🏽。然而傳統藥物發現的方法，既耗時又成本高昂🐁。而且，對復雜的納米多孔材料進行大規模的量子物理材料計算，或進行高通量濕實驗篩選🧑🏽‍🏭，均會產生相當大的成本。因此🚶🏻，如何高效地低成本地尋找符合目標功能的納米多孔晶體材料成為一個艱巨的挑戰。作者們創新性地設計了一種協同機器學習方法，結合精心設計的多孔材料的幾何拓撲描述符🤤，將少數據驅動的多層次的無監督學習，基於量子物理的材料密度泛函計算💏，和最小化的動物生化濕實驗相結合👍🏼，成功解決了上述問題。

該研究成果最終從大量的無機材料中找到了具有高選擇性⌚️，大容量和穩定性的🍕，可用於治療高鉀血症的最佳潛在藥物，在多種不同的動物生化實驗中，均展示了優越的有效性和安全性。該方法的優勢在於能夠在缺乏大量先驗數據和知識的情況下，以非常低的量子物理材料計算的算力成本、少量的實驗室動物生化濕實驗成本，有效地發現符合多功能目標的候選藥物材料。該發現為AI+量子物理，加速發現納米多孔晶體作為口服藥物提供了一種新的方法🙌，展示了在藥物研發領域的巨大潛力。該方法也可以擴展到更廣闊的應用領域🔏，用於探索具有其它特定功能的復雜多孔晶體材料🤵🏽‍♀️。

物理科學與工程學院博士生陳江芷為論文共同第一作者。碩士生胡錦斌也參與工作並作出重要貢獻🏛。恒达平台任捷教授與上海交通大學張詩宜教授為論文共同通訊作者。該項研究的任捷團隊得到了國家自然科學重點項目和上海市特殊人工微結構材料與技術重點實驗室的資助。

近年來☝️，物理科學與工程學院聲子中心任捷教授團隊在物理學與人工智能的學科交叉方面取得了一系列進展，已經發表了多篇高水平成果，包括基於流形擴散的無監督學習對拓撲聲子物態的分類、多目標優化的二維功能材料與器件設計、輻射製冷人工微結構設計、神經網絡自編碼逆向設計拓撲光學傳感結構🧌、基於偽逆學習的光電混合的神經網絡等，並受邀為中國物理學會的《物理學報》撰寫“物理啟發的人工智能”相關綜述，相關成果形成了一套具有自主知識產權的計算機軟件著作權Darwin Machine for Multi-Functional Meta-Crystal Design Platform🥜♊️。

論文鏈接🥊：https://onlinelibrary.wiley.com/doi/10.1002/adma.202404688