هيكل MOF يفوز أخيرًا بجائزة نوبل بعد 36 عامًا: عندما يفهم الذكاء الاصطناعي الكيمياء، تتحرك الأطر المعدنية العضوية نحو عصر البحث التوليدي

في 8 أكتوبر 2025، تم الإعلان عن جائزة نوبل في الكيمياء في السويد.قررت الأكاديمية الملكية السويدية للعلوم منح جائزة نوبل في الكيمياء لعام 2025 إلى البروفيسور سوسومو كيتاغاوا من جامعة كيوتو، والبروفيسور ريتشارد روبسون من جامعة ملبورن، والبروفيسور عمر ياغي من جامعة كاليفورنيا، بيركلي، تقديراً لمساهماتهم البحثية في مجال "الأطر المعدنية العضوية" (MOF).لقد أصبح هذا المجال البحثي، الذي تم التحقق من صحته من قبل السوق منذ أكثر من 30 عامًا، الآن بمثابة حاشية سنوية في العلوم العالمية.

وقال هاينر لينكه، رئيس لجنة جائزة نوبل في الكيمياء، في بيان صحفي رسمي لجائزة نوبل: "إن البنية الجزيئية الجديدة التي ابتكرها سوسومو كيتاغاوا وريتشارد روبسون وعمر ياغي تحتوي على تجويف كبير يسمح للجزيئات بالمرور من خلاله، وبالتالي حصاد الرطوبة من هواء الصحراء، واستخراج الملوثات من الماء، أو التقاط ثاني أكسيد الكربون وتخزين الهيدروجين".تتمتع الأطر المعدنية العضوية (MOFs) بإمكانات هائلة وقد توفر فرصًا غير متوقعة سابقًا لتخصيص المواد بوظائف جديدة.

إلى جانب جائزة نوبل، تتجاوز أهمية الأطر العضوية المعدنية علم المواد نفسه، مُبشّرةً بعصرٍ تُعيد فيه البشرية تفسير العالم المادي. مع اكتشاف فضاء ثلاثي الأبعاد قابل للبرمجة على المستوى الجزيئي، انتقل علم الكيمياء تدريجيًا من الاكتشاف إلى التصميم، مُنتقلًا إلى منطق البيانات والخوارزميات والذكاء الاصطناعي.

مزيد من أوراق البحث الرائدة في مجال الذكاء الاصطناعي:
https://hyper.ai/papers

من البوليمرات التنسيقية إلى الأطر العضوية المعدنية: لغز كيميائي دام 36 عامًا

في الواقع، من ثمانينيات القرن العشرين إلى عام 2025، كان الفائزون بجائزة نوبللقد شهد البحث في الأطر العضوية المعدنية تطورًا في ثلاث مراحل بدءًا من استكشاف المفهوم الكيميائي وحتى التصميم المنهجي.

في عام 1989، اقترح ريتشارد روبسون لأول مرة المفهوم البنيوي للبوليمرات التنسيقية ثلاثية الأبعاد.حاول استغلال الخصائص الكامنة للذرات بطريقة جديدة. استخدم الروابط التناسقية لربط العقد المعدنية بالربيطات العضوية في بنية شبكية دورية. مزج أيونات النحاس الموجبة الشحنة مع جزيء رباعي الأذرع، مكونًا جزيئًا ينتهي كل ذراع فيه بمجموعة كيميائية تجذب أيون النحاس. "عندما تتحد، تكثفت لتشكل بلورة منظمة تمامًا، فارغة تمامًا، مثل ألماسة مليئة بفراغات لا حصر لها."

نُشر هذا البحث، المعنون "أطر بوليمرية لا نهائية مكونة من أجزاء ثلاثية الأبعاد مترابطة تشبه القضبان"، في مجلة الجمعية الكيميائية الأمريكية (JACS). شارك بن ف. هوسكينز، أحد أوائل المؤلفين المشاركين مع روبسون، في تأليف هذه الورقة البحثية الرائدة، مقدمةً أول دليل تجريبي على مفهوم الأطر العضوية المعدنية.

وفي السنوات الخمس عشرة التالية، نشر فريق عمر ياغي وكيتاجاوا سوسومو العديد من الأوراق البحثية في مجلات مثل Nature وScience.تحقيق اختراقات ثورية مستمرة في البناء الهيكلي والتنظيم الوظيفي،مع إنشاء MOF، وهو نظام مواد مسامية جديد، بدأ مجال البحث هذا يتشكل تدريجياً ودخل مرحلة توسيع النظام.

خلال هذه الفترة، بدأ المجتمع الأكاديمي بإجراء عمليات التطعيم ومعالجات أخرى على البنية الأساسية للإطار العضوي المعدني. أثبت كيتاغاوا سوسومو إمكانية تدفق الغازات داخل وخارج هذه البنية الجزيئية، واقترح مفهومي "الأطر المرنة" و"المسام القابلة للتعديل (الإطارات العضوية المعدنية القابلة للتنفس)".يقوم بتحويل MOF من مادة مسامية صلبة إلى مادة هيكلية ديناميكية، مما يضع الأساس لتحويل MOF من مادة صلبة إلى مادة ذكية سريعة الاستجابة.

في عام 1999، قام عمر ياغي، المعروف باسم "أبو الإطار المعدني العضوي"، بإنشاء إطار معدني عضوي مستقر للغاية (MOF-5) وأثبت أنه من الممكن تعديله من خلال التصميم العقلاني لإعطائه خصائص جديدة. باعتبارها مادة إطارية معدنية عضوية تمثيلية، تم استخدام MOF-5 على نطاق واسع في الأبحاث المبكرة حول تخزين الهيدروجين، وامتصاص الغاز، وما إلى ذلك.دفع مفهومه المقترح "الكيمياء الشبكية" بالتركيب الكيميائي إلى عصرٍ من القدرة على التنبؤ بالبنية. وبناءً على ذلك، نشر محمد الداودي بالتزامن معه أوراقًا بحثية مثل "الأطر المعدنية العضوية من استراتيجيات التصميم إلى التطبيقات"، مما ساهم في تطوير الكيمياء التجريبية والتركيبية للأطر المعدنية العضوية المبكرة ذات مساحة السطح العالية مثل MOF-5.

خلال هذه الفترة، تعاون مايكل أوكيف أيضًا مع عمر ياغي لنشر ورقة بحثية بعنوان "نحو تصنيف لهياكل الأطر العضوية المعدنية"، والتي وصفت بشكل منهجي البنية الأساسية للبلورات والأطر العضوية المعدنية من منظور طوبولوجي.

مع إحداث MOF طفرة بحثية، أصبح هو الهدف الأساسي للبحث في مجالات تخزين الغاز، وتوصيل الأدوية، والتحفيز، والاستشعار، وما إلى ذلك.دخلت مواد MOF مرحلة التصنيع وأظهرت إمكانات التطبيق في مجالات مثل تخزين الغاز واحتجاز الكربون والطب الحيوي.بدأت مجموعة متنوعة من هياكل MOF التجارية السائدة عالية الاستقرار في التصنيع، مثل سلسلة UiO القائمة على الزركونيوم والتي طورها فريق كيتاجاوا سوسومو بالتعاون مع جامعة أوبسالا في السويد، والتي أصبحت MOF عالية الاستقرار الحراري ومتاحة تجارياً.

منذ عام 2022، تعمل شركة Atomis المحدودة، حيث يعمل سوسومو كيتاغاوا كمستشار علمي، مع شركة Yachiyo Engineering المحدودة لتطوير نظام جديد لتوزيع غاز الطاقة يسمى "شبكة الغاز الذكية" يعتمد على تقنية MOF.ومن المأمول أن يتم استخدام البنية الجزيئية لـ MOF لامتصاص وإطلاق غازات الميثان التي يصعب التحكم فيها مثل الغاز الحيوي والغاز الطبيعي على نطاق النانو في درجة حرارة الغرفة، دون الاعتماد على البنية التحتية لخطوط الأنابيب، وبالتالي تحقيق نقل الغاز خفيف الوزن.

خلال السنوات العشر الماضية، استُخدمت الأطر العضوية المعدنية على نطاق واسع في التقاط الكربون الصناعي. على سبيل المثال، طوّر فريق جورج شيميزو البحثي في جامعة كالجاري مادةً من الأطر العضوية المعدنية تُسمى CALF-20. في ورقة بحثية نُشرت في مجلة Science، ذكرت المجموعة البحثية أن CALF-20 يحافظ على أدائه تحت الماء والأكسدة وغازات العادم، على عكس العديد من الأطر العضوية المعدنية السابقة التي يسهل إبطال مفعولها في البيئات الرطبة.تستخدم شركة سفانتي الكندية مادة CALF-20 لالتقاط ثاني أكسيد الكربون وإزالة غازات الدفيئة من عوادم إنتاج الأسمنت. علاوة على ذلك، بدأت صناعة الإلكترونيات أيضًا باستخدام مواد MOF لامتصاص بعض الغازات السامة في عملية إنتاج أشباه الموصلات.

فيما يتعلق بالخصائص الخاصة لمواد الأطر العضوية المعدنية، قال هاينر لينكه، رئيس لجنة نوبل وعالم النانو فيزياء بجامعة لوند في السويد، مازحًا: "هذه المادة تُشبه حقيبة يد هيرميون في هاري بوتر". كما ذكر مسؤولو جائزة نوبل في التقرير الرسمي أنه بعد الاكتشافات الرائدة للفائزين الثلاثة، قد تُسهم عشرات الآلاف من الأطر العضوية المعدنية المختلفة التي صنعها الكيميائيون في حل بعض التحديات الكبرى التي تواجه البشرية.

في الوقت الحالي، ووفقًا لمسح أجرته مجلة Science في يوليو 2025، أصبحت الأطر العضوية المعدنية موضوعًا لأكثر من 100 ألف ورقة أكاديمية في جميع أنحاء العالم.

عندما يتم فهم MOFs بواسطة الخوارزميات: الكيمياء والذكاء الاصطناعي يترددان

مع تقارب الذكاء الاصطناعي (AI) عبر مختلف المجالات، يستكشف العديد من الباحثين إمكانات "الذكاء الاصطناعي + الأطر العضوية المعدنية". في السابق، نشر فريق يو تشيبينغ في جامعة نانتشانغ ورقة بحثية بعنوان "الذكاء الاصطناعي في الأطر المعدنية العضوية من عام 2013 إلى عام 2024: تحليل ببليومتري". باستخدام أساليب ببليومترية وبرنامج تصور بياني للمعرفة، حلل الباحثون أوراقًا بحثية حول الذكاء الاصطناعي للأطر العضوية المعدنية من قاعدة بيانات ويب أوف ساينس بين عامي 2013 ومنتصف عام 2024.من خلال منحنى التجهيز، نلاحظ تزايد اهتمام الباحثين بمجال الذكاء الاصطناعي في الأطر العضوية المعدنية. منذ عام ٢٠١٦، شهد البحث في مجال "الذكاء الاصطناعي + الأطر العضوية المعدنية" نموًا هائلًا.ويستمر عدد المؤلفات في التزايد، مما يدل على أن هذا الاتجاه متعدد التخصصات لديه آفاق واعدة تستحق الاهتمام.

الخصائص البنيوية والرقمنة الكيميائية للإطارات العضوية المعدنية

في الوقت الحالي، تعمل الخصائص البنيوية للإطارات العضوية المعدنية بشكل مستمر على دفع عملية رقمنة الكيمياء:إن بنية MOF "العقد المعدنية القابلة للتعديل + الربيطة العضوية + الشبكة الطوبولوجية" تجعلها مساحة كيميائية منفصلة قابلة للعد والتحديد، وهدف بحث يمكن فهمه من خلال الذكاء الاصطناعي المادي.

يُعزى سبب كون الأطر العضوية المعدنية "مرشحة مثالية للذكاء الاصطناعي المادي" إلى وحدتها المعيارية وإمكانية تحديد معلماتها. ووفقًا لورقة بحثية بعنوان "من البيانات إلى الاكتشاف: الاتجاهات الحديثة للتعلم الآلي في الأطر المعدنية العضوية"، نشرها المعهد الكوري المتقدم للعلوم والتكنولوجيا في JACS،يتكون الإطار العضوي المعدني بشكل أساسي من ثلاثة مكونات قابلة للفصل، وهي العقد المعدنية والربيطات العضوية (الروابط) والطوبولوجيا المكانية (الشبكات).تتوافق هذه الثلاثة مع ثلاثة متغيرات منفصلة قابلة للعد:

* مجموعات معدنية مختلفة/أرقام تنسيق؛

* الهياكل الكيميائية للربيطة العضوية القابلة للتصنيع؛

* طريقة اتصال اختيارية طوبولوجيًا.

إن الجمع بين هذه الأبعاد يجعل "قابلية التوسع" لمساحة الإطار العضوي المعدني تنمو بشكل كبير. في الوقت نفسه، ولأن الهياكل المرشحة تحمل دلالات كيميائية واضحة،توفر MOFs، باعتبارها مواد مرشحة، "خطوات عمل قابلة للبرمجة" للمشاركة الرقمية في التعلم الآلي.على سبيل المثال، يمكن استخدام العناقيد المعدنية كعُقد، والربيطات كحواف أو حواف فائقة، ويمكن ترميز المعلومات الطوبولوجية كمؤشرات طوبولوجية شبكية. وبالتالي، تستطيع الشبكات العصبية البيانية (GNNs) تعلم خصائص مثل طاقة الامتزاز والاستقرار الحراري مباشرةً من البنية؛ ويمكن استخدام الأوصاف القياسية، مثل معلمات الخلية، وتوزيع حجم المسام، ومساحة السطح، وحجم المسام، كعلامات مُشرفة أو دوال موضوعية لتحسين متعدد الأهداف.

باختصار، ليس هناك شك في أنه بالمقارنة مع الوضع الذي لا يمكن فيه تعداد الهياكل الكيميائية،يقوم بناء الجملة المعياري لـ MOF بتقسيم المساحة الكيميائية إلى قواعد يمكن للآلة قراءتها، مما يوفر نموذجًا إبداعيًا مثاليًا للذكاء الاصطناعي المادي.لقد فتحت آفاقًا جديدة لرقمنة الكيمياء.

التعايش ثنائي الاتجاه: الذكاء الاصطناعي يُعيد تشكيل أبحاث الإطار العضوي المعدني

في ورقة بحثية مشتركة بعنوان "التطورات المدعومة بالذكاء الاصطناعي في الأطر المعدنية العضوية: من البيانات إلى التصميم والتطبيقات"، صرّح فريق من جامعة تيانجين للتكنولوجيا، والأكاديمية الصينية للعلوم، ووكالة العلوم والتكنولوجيا والبحوث (A*STAR) في سنغافورة: "أحدثت التطورات الحديثة في الذكاء الاصطناعي والتعلم الآلي نقلة نوعية في مجال الأطر المعدنية العضوية. وقد أعادت قواعد البيانات الرئيسية، وبنى التعلم العميق، والنماذج التوليدية، وأطر محاكاة الذكاء الاصطناعي الهجينة صياغة تصميم وفحص الأطر المعدنية العضوية عالية الأداء، مما أتاح التنبؤ الدقيق بالخصائص، والتوليد الآلي للهياكل، وتخطيط عمليات التوليف واسعة النطاق". في الواقع، على مدى السنوات الخمس الماضية، حققت العديد من فرق البحث نتائج تدريجية في قطاعات فرعية مثل التنبؤ بالخصائص والتوليد الآلي لهياكل الأطر المعدنية العضوية القائمة على الذكاء الاصطناعي.

في عام 2024، قام فريق بحثي من المعهد الكوري المتقدم للعلوم والتكنولوجيا وجامعة بوهانج للعلوم والتكنولوجيا بتطوير أول نموذج توليدي عميق MOFFlow مصمم خصيصًا للتنبؤ بهيكل MOF للتنبؤ بإطار توليد هيكل MOF.باعتبارها عملية تنظيم مستمرة، يستخدم هذا الإطار الخصائص المعيارية لـ MOFs ويتبنى طريقة مطابقة التدفق، ومعالجة العقد المعدنية والربيطة العضوية كأجسام صلبة وإجراء تنبؤات في مساحة SE لتقليل التعقيد الهيكلي.هندستها المعمارية هي على النحو التالي:

* تقسيم MOF إلى مكونات مثل العقد المعدنية والربيطة العضوية، وتحديد نظام إحداثيات محلي متسق لهم؛

* إدخال نموذج MOFFlow، وتعيين توزيع مسبق بسيط كنقطة بداية، وتحديد هدف التحويل من التوزيع السابق إلى توزيع هيكل الهدف، واستخدام إطار عمل مطابقة التدفق لتعلم وترتيب المكونات العشوائية بطريقة معقولة؛

* بناءً على المعلومات الذرية المضمنة في المكونات بواسطة المشفر كميزات، يتم استخدام شبكة عصبية بيانية لنمذجة العلاقات الهندسية والطوبولوجية بين المكونات والتنبؤ بمعلمات الدوران والترجمة والشبكة للمكونات؛

* إجراء أخذ العينات وإعادة البناء الهيكلي؛ * يقوم MOFFlow بإخراج البيانات ومطابقتها ومقارنة الهيكل الناتج مع البلورة الحقيقية للتحقق من صحة النتيجة.

في أبريل 2025، أطلق عمر ياغي وباحثون آخرون من جامعة كاليفورنيا، بيركلي، نظام الذكاء الاصطناعي Agentic "MOFGen"، والذي يدمج وحدات مثل LLM، ونموذج الانتشار، ووكيل ميكانيكا الكم، ومتنبئ جدوى التوليف.يتم استخدامه لإنشاء هياكل MOF من الصفر والشاشة والتحقق من الهياكل. يتكون سير عمل MOFGen من سبع خطوات:

* يوفر وكيل LLM الرئيسي MOFMaster (الوكيل 1) خيارات التوليد ذات الصلة لهيكل MOF ويمرر التعليمات إلى LinkerGen (الوكيل 2)؛

* يقوم LinkerGen بإنشاء صيغ كيميائية MOF استنادًا إلى التعلم السياقي والقيود التي يوفرها MOFMaster؛

* تُدخل الصيغة في مُدخلات نموذج احتمالية الانتشار المُنزوع الضوضاء CrystalGen، الذي يُزيل الذرات غير ذات الصلة ويُنقلها إلى مواقع مُحتملة. يُولَّد الهيكل البلوري بتوجيه الصيغة وبدون توجيه المُصنِّف. * بما أن الهيكل المُولَّد بواسطة نموذج الانتشار ينحرف عن حالة التوازن، يُستخدَم عامل ميكانيكا الكم منخفض المستوى QForge للفحص المُسبق.

* تقييم قابلية التوليف بناءً على SynthABLE؛

* استخدم QHarden للتحقق من المسافات بين الذرات، وإزالة الذرات العائمة، والشظايا الجزيئية، والتحف الأخرى من البنية البلورية، ثم قم بإجراء التحسين النهائي للبنية؛

* بناءً على التحقق التجريبي بواسطة SynthGen.

بالإضافة إلى ذلك، تقتصر النماذج الحالية على إعادة استخدام وحدات البناء المعروفة وتقتصر على خلايا الوحدة الصغيرة.قدمت فرق بحثية من جامعة بكين وجامعة هارفارد وجامعة كامبريدج ومؤسسات أخرى بشكل مشترك نموذج انتشار متكافئ SE Building-Block-Aware MOF Diffusion، والذي يمكنه تعلم التمثيل الذري ثلاثي الأبعاد لكتلة بناء واحدة وترميز الشبكة الطوبولوجية البلورية بشكل صريح.

ردًا على ذلك، اقترح فريق البحث نهجًا للتوليد "يراعي المكونات":

* باستخدام قاعدة بيانات CoRE-MOF كنقطة بداية، يتم تحليل MOFs إلى ثلاث وحدات أساسية: العقد غير العضوية، والربيطة العضوية، والشبكات الطوبولوجية؛

* استخدام نموذج الانتشار لمحاكاة عملية توليد البنية من الضوضاء إلى النظام، والتأكد من أن كل تنبؤ يتوافق مع قيود الترابط الكيميائي والتناظر المكاني؛

* التعلم القائم على الشبكة الذي يعتمد على المكونات يحدد العلاقات الهندسية والاتصالات الطوبولوجية بين المكونات ويتعلم القوانين الكيميائية الأساسية؛

* أخذ العينات من الضوضاء العشوائية، وإزالة الضوضاء تدريجيا واستعادة مواضع العقد والربيطات، وإعادة تجميع هذه المكونات على أساس أداة PORMAKE لتوليد بنية MOF ثلاثية الأبعاد كاملة.

وقد أظهرت التجارب أنه من خلال دمج مكونات MOF في نموذج الانتشار، يمكن لـ BBA MOF Diffusion توليد هياكل MOF جديدة تحتوي على آلاف الوحدات الذرية، مما يكسر قيود "البدء من الصفر" ويوفر طريقة عملية لتوليف MOFs عالية الأداء.

خاتمة

من نموذج روبسون الأولي لبوليمر تنسيقي ثلاثي الأبعاد، إلى الإطار القابل للتصميم الذي وضعه ياغي وكيتاغاوا سوسومو، وصولًا إلى الجيل الآلي اليوم مع الذكاء الاصطناعي، يُحاكي تطوير الأطر العضوية المعدنية تطور الكيمياء من التجريبية إلى الحسابية، ومن البنية إلى الخوارزمية. لا يُمثل هذا إنجازًا كبيرًا في علم المواد فحسب، بل يُمثل أيضًا نقلة نوعية في المنهجية العلمية - فعندما يدخل التصميم الجزيئي حيزًا حاسوبيًا منفصلًا، تبدأ الكيمياء في امتلاك "نموذج لغوي" خاص بها. في المستقبل، ومع التقارب بين الذكاء الاصطناعي التوليدي والحوسبة الكمومية والمنصات التجريبية عالية الإنتاجية، قد يتطور بحث الأطر العضوية المعدنية من "الاكتشاف التجريبي" إلى "الاعتماد على البيانات".

روابط مرجعية:

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