AI在线 AI在线

74岁“酒鬼”教授终于拿诺贝尔化学奖了

鹭羽 发自 凹非寺. 量子位 | 公众号 QbitAI今年诺贝尔化学奖花落MOF(金属有机框架)! 获奖科学家分别是北川进、理查德·罗布森和奥马尔·M·亚吉,以表彰他们在MOF上的杰出贡献:这类材料就像哈利波特中赫敏的手提包——可以在小体积中储存大量气体。

鹭羽 发自 凹非寺

量子位 | 公众号 QbitAI

今年诺贝尔化学奖花落MOF(金属有机框架)!

获奖科学家分别是北川进理查德·罗布森奥马尔·M·亚吉,以表彰他们在MOF上的杰出贡献:

这类材料就像哈利波特中赫敏的手提包——可以在小体积中储存大量气体。

74岁“酒鬼”教授终于拿诺贝尔化学奖了

其中得奖者之一的北川进,也被誉为PCP(多孔配位聚合物)之父,证明了气体可以在MOF结构中流入流出,并预测其可以被制成柔韧性材料。

不过当谈及他之所以选择化学作为其一生的工作时,答案却相当有趣:

因为化学家能分清真酒假酒。

74岁“酒鬼”教授终于拿诺贝尔化学奖了

喜欢葡萄酒、阅读侦探小说、看歌舞伎表演……相比古板的科学家形象,北川进则显得与众不同。

MOF得奖:众望所归

“MOF终于得奖了”……化学奖名单一出,社媒上这句话就刷了屏,每年必提名的大热门之一必有MOF,那为啥众望所归是它呢?

74岁“酒鬼”教授终于拿诺贝尔化学奖了

根据组委会主席海纳·林克所说,因为MOF潜力巨大,可以为一些新功能的定制材料提供前所未有的机会。

这种新形式的分子结构中,金属离子由长链有机(碳基)分子连接,二者共同组成包含大空腔的晶体。

通过改变MOF中使用的构建单元,可以用来捕获和储存特定物质,甚至驱动化学反应或导电。

74岁“酒鬼”教授终于拿诺贝尔化学奖了

简单来说,就是MOF具备特殊的多孔材料结构,可以从沙漠的空气中收集水、捕获二氧化碳、储存有毒气体等等。

其中理查德·罗布森最早发现该理念,受金刚石结构(每个碳原子连接四个碳原子)的启发,他在测试原子的固有特性时,设计了一种有序的金字塔晶体结构。

其中四臂分子组合形成化学基团,并在每个末端各吸引一个带正电的铜离子,整体来看,像一颗充满空腔的钻石。

74岁“酒鬼”教授终于拿诺贝尔化学奖了

北川进则进一步开发出可以填充水的金属有机框架,该材料稳定性好,即使在干燥后重新充入气体,其结构也不会遭到破坏。

另外他还发现,框架形状也会随着是否填充以及周围环境的变化(如温度变化、光照情况)而发生改变。

74岁“酒鬼”教授终于拿诺贝尔化学奖了

奥马尔·M·亚吉则正式提出了MOF这一术语,并开发了由羧酸盐基团制成的稳定连接体,可以在合理的修改下赋予新的理想特性。

以及具有立方结构和更长连接体的MOF,仅需几克重的固体粉末,就能创造出内部表面积堪比足球场大小的结构。

74岁“酒鬼”教授终于拿诺贝尔化学奖了

此后MOF便成为了学术界的重点研究方向,Nature的一份分析报告指出,MOF很可能是过去20年来研究最多的材料之一,已有超10万篇学术论文与之相关,现已创造出数以万计的不同功能性MOF。

原因无他,对大多数分子和材料来说,从理论公式到合成化合物的挑战性极高,而MOF由于其多孔结构和积木设计,要简单得多。

但目前也只有少数MOF被用以商业化生产,例如加拿大公司Svante正在利用一种名为CALF-20的MOF,规模化去除水泥生产废气中的二氧化碳,其他公司也还在开发可以从空气中收集水的MOF。

当中困难恰恰在于如何找到正确的材料组合,但只要找到,能做到的事情就很多了。

74岁“酒鬼”教授终于拿诺贝尔化学奖了

也正因如此,科学家们相信MOF前景光明,或许将成为二十一世纪的材料

喝酒喝出了个诺贝尔

北川进则是最早相信这一点的几个人中,最特立独行的一个。

74岁“酒鬼”教授终于拿诺贝尔化学奖了

嗜酒如命的他,起初踏上化学这条秃头的“不归路”,就是为了喝好酒

我选择化学作为职业,因为化学家了解乙醇和甲醇之间的区别。

(大佬的理直气壮.jpg)

而且自己喝还不够,还要拉着自己的学生们一起喝

74岁“酒鬼”教授终于拿诺贝尔化学奖了

这也是北川进老师特有的“关心”学生的方式——实验没有进展?走,出去喝一杯。

这招尤其是对那些害羞的学生们有奇效,白天大家都很忙碌,晚上实验室聚会,一杯酒下肚什么都能聊了。

喝酒之余,他会点名让学生们一个个站起来演讲,起初可能最多能讲20秒,训练一年,说个20分钟甚至更长都不在话下。

除了喝酒,他还有个侦探梦,平时喜欢看点侦探小说和惊悚片,还特别喜欢欣赏歌舞伎的表演,他喜欢从中揣摩人性的特点。

而正是这种幽默风趣的人生态度,造就了他学术生涯中最浓墨重彩的一笔。

74岁“酒鬼”教授终于拿诺贝尔化学奖了

这一切还得从一颗平平无奇的Cu+离子说起:

1951年出生的他,在京都大学完成量子化学的博士学业后,加入了近畿大学担任助理教授。

在那里,他认识到了配位化学,并开始着手研究当时最热门的研究方向——由有机配体和金属离子构成的配位聚合物。

不过当绝大多数人都集中精力研究材料导电性时,北川进却反其道而行之,将目光投向了平平无奇的Cu+离子。

相比Cu+2离子,Cu+离子无色也无磁性,似乎没有任何作用,但北川进随即意识到,其独特的球形电子构型,可以形成三维扩展结构,在与有机分子结合时,也能构成规则的连续晶体。

然而,金属离子和有机分子截然不同的电子结构让它们几乎难以形成电子传导带结构,他的研究也一度陷入瓶颈。

直到1989年,当他访问京都大学,在对配位聚合物晶体的X射线衍射数据进行分析时发现,该结构呈现多孔蜂窝状,且空腔阵列具有一定的规则性。

74岁“酒鬼”教授终于拿诺贝尔化学奖了

于是他经过多年的反复试验,终于完成了第一个多孔配位聚合物,可以允许气流自由通过结构间隙,但在首次公开发表多孔材料的成果时,却反响寥寥,因为在当时固有的认知中,有机物是柔软的,其框架并不可用。

而随后发生的事情也就众所周知了,在陆陆续续得到其他科学家的研究佐证后,这一起初并不被人看好的领域,却成为了今天最受关注的内容。

74岁“酒鬼”教授终于拿诺贝尔化学奖了

他自己也于2010年被选为汤森路透引文奖获得者,并在2011年获得紫丝带奖章。

与其曾合作多年的同事近畿大学教授宗像恵,是这样评价他的:

他能够注意到别人未曾察觉的巨大矿脉,这种直觉力非常出众。

这一点也得到了北川进自己的认同,直觉可以说是他能够开宗立派的制胜法宝。

如果他墨守陈规,那么在看到孔洞的一瞬间,只会因为它毫无用处而丢弃到一旁,但直觉告诉他,空旷的空间很有意思,于是他沿着直觉一直走,直到挖掘到“金块”。

74岁“酒鬼”教授终于拿诺贝尔化学奖了

他把自己的成功归结于:运气、耐心和毅力缺一不可。

运气不是像彩票一样偶然发生的,相反是一个人在不知不觉朝着某个方向努力后,才会遇到的。

机会总是会偏爱有准备的人,努力才有抓住机会的可能;而耐心指的是不要急于行动,他认为那些能够开创科学新领域的机会,更倾向给予慢节奏的人,因为他们会停下来,以怀疑的态度审视当前;毅力则是是老生常谈的坚信不疑、永不放弃。

他激励年轻研究者们要勇于开辟新领域,冲破已有范式,推动科研向未知领域前进。

材料科学的乐趣在于,我们的脚下可能埋藏着很多东西。

参考链接:[1]https://www.icems.kyoto-u.ac.jp/en/people/frontrunners/1260/[2]https://www.icems.kyoto-u.ac.jp/en/people/1422/[3]https://www.nature.com/articles/d41586-025-03195-1[4]https://www.kitagawa.icems.kyoto-u.ac.jp/[5]https://x.com/NobelPrize[6]https://pubs.acs.org/doi/10.1021/acsmaterialslett.9b00408

相关资讯

诺贝尔奖得主称:AI正削弱“名校毕业生”的竞争力

据新浪财经消息,在日前于上海举行的 2025年可持续全球领导者大会上,诺贝尔化学奖得主、斯坦福大学教授 **迈克尔·莱维特(Michael Levitt)**在接受新浪财经独家对话时,对 AI 与教育的未来提出了一个颠覆性的观点:学历将变得越来越不重要。 莱维特教授认为,人工智能正在彻底改变知识的获取方式。 他指出:“过去,教育是知识的入口;现在,AI 让任何人都能获取知识。
10/22/2025 12:22:57 PM
AI在线

预测精度高达0.98,清华、深势科技等提出基于Transformer的MOF材料多功能预测框架

编辑 | X气体分离对于工业生产和环境保护至关重要,金属有机框架(MOF)由于其独特的性能而成为气体分离领域一种有前途的材料。传统的模拟方法,如分子动力学,复杂且计算量要求高。虽然基于特征工程的机器学习方法表现更好,但由于标记数据有限,很容易出现过度拟合。此外,这些方法通常是针对单一任务而设计的。为了应对这些挑战,由清华大学、加州大学、中山大学、苏州大学、深势科技和北京科学智能研究院(AI for Science Institute,Beijing,AISI) 组成的多机构团队,合作提出了 Uni-MOF,一种用于
3/5/2024 3:14:00 PM
ScienceAI

预测准确率达95.7%,ChatMOF利用LLM预测和生成金属有机框架

编辑 | X金属有机框架(MOF)因其孔隙率大、表面积大和出色的可调性而用于许多化学应用。然而,在利用 AI 深入探索 MOF 设计与性能优化的研究征途中,科学家们正面临着前所未有的挑战。去年 3 月,韩国科学技术院(Korea Advanced Institute of Science and Technology,KAIST)的研究人员提出的 MOFTransformer 模型经过一百万个假设的 MOF 的预训练,在预测各种属性方面表现出色。近日,KAIST 团队提出了一种 AI 系统——ChatMOF,用于预
6/11/2024 5:09:00 PM
ScienceAI
  • 1