近日，由深圳理工大学合成生物学院特聘副教授孙兆玺联合河南师范大学化学化工学院教授王键吉、副教授李志勇，以及北京大学化学与分子工程学院教授刘志荣组成的跨学科联合团队在离子液体研究领域实现了重大技术突破，他们成功研发多模态大语言模型智能体系统“AIonopedia”。该系统集离子液体性质精准预测、分子智能设计与自动化工作流执行等功能于一体，为离子液体的研发提供了全流程的AI赋能解决方案。

图1. AIonopedia 的完整工作流程，从AI辅助人工矫正的数据集收集、智能体调度专有多模态大语言模型等模块进行性质预测和分子设计等任务到湿实验验证、最终应用的整个闭环过程。

离子液体：绿色科技的“潜力股”

离子液体被誉为“可设计的绿色溶剂”，是一类熔点低于100℃的盐类化合物，由有机阳离子和无机或有机阴离子组合而成，在催化、电化学、碳捕集及生物质转化等领域展现出巨大应用价值。

然而，阴阳离子近乎无限的组合可能性，如同一片浩瀚的分子海洋。传统研发中，实验筛选或计算方法如同“大海捞针”，普遍面临精度不足、计算成本高昂、泛化能力弱等瓶颈，严重制约了高性能离子液体的开发效率。

图2. 离子液体的广泛应用场景

AIonopedia：

离子液体研发的“全能研发助手”

面对这一行业痛点，联合团队独辟蹊径，将人工智能前沿技术与化学研究深度融合，推出了AIonopedia智能体系统。它并非单一的工具，而是一个能够自主理解问题、调用工具、迭代推理的“全能AI助手”，为离子液体研发提供从分子设计到性质预测的全流程赋能，其核心能力源于三个核心模块的高效协同：

1

智能中枢：高精度性质预测器

作为系统的“大脑”，该模块创新性地融合了分子图、SMILES序列与物化性质描述符等多维度信息，构建多模态大模型。可实现对离子液体溶解、转移、体相等多种性质的秒级、高精度预测，性能显著优于现有各类预测手段。

2

创新引擎：三重启发式分子搜索器

基于预测结果，通过“遍历-相似性扩展-LLM生成”三重搜索策略，既能从海量已知分子中快速锁定目标，更能创造性地“构想”全新的最优分子结构，突破传统数据库局限。

3

沟通桥梁：SMILES转换与数据处理器

针对离子液体缩写非标准化这一长期难题，该模块能自动从科学文献中解析化学名称，并将其精准转换为可计算的SMILES序列和化学结构，攻克了从文献信息到计算模型的关键技术障碍。

在主规划器的统一调度下，这些模块形成了一个有机整体，真正实现了用户从“离子缩写输入”到“最优分子设计与性质预测输出”的端到端自动化。

在性质预测任务中，AIonopedia在所有已有的验证集上展现出显著性能优势（排名对比 ，越靠中心性能越好），如图3所示。

图3. (A) 4个 AIonopedia 模型在所有评估数据集上的平均性能排名。(B) 性能最佳的 AIonopedia (Qwen30.6 b) 与基线模型在相同数据集上的平均性能排名对比。

性能卓越：实测表现远超预期

严格性能评测显示，AIonopedia的能力得到充分验证：一是化学信息处理能力卓越，复杂离子缩写转规范SMILES准确率达94.7%，超越GPT-4等顶级大语言模型（图4）；二是设计效率突出，在CO₂吸附、NH₃吸收等优化任务中，仅需数次迭代即可筛选或设计出高性能离子液体结构，计算结果与实验观测高度吻合；三是创新潜力显著，在“盲筛”任务中成功发现鏻鎓阳离子离子液体在气体吸附领域的全新应用，为科研突破提供全新思路（图5）。

图4. 整合GPT-5后的AIonopedia和GPT-5在SMILES转换任务上的准确率对比。

图5. 鏻鎓的离子液体用于气体吸附的湿实验测试。

广阔前景：赋能绿色科技未来

AIonopedia的成功研发，在多个工业与科研领域具有广阔的颠覆性应用前景：在绿色化工领域加速高效碳捕集溶剂开发，在制药行业优化药物合成与分离流程，为能源存储领域提供宽温域、高安全性电解质设计蓝图，更能推动生物质精炼与塑料回收技术发展，助力循环经济建设。未来，该系统有望进一步演进为贯通“计算设计—工艺优化—自动实验”的智能研发基础设施，从根本上加速新材料发现进程。

为SUAT点个赞和在看吧