近日，上海大学材料基因组工程研究院孙强教授课题组利用人工智能驱动实现单分子尺度表面化学反应方面取得新进展，相关成果以“Deep learning drives autonomous molecular reactions with single-bond selectivity in tetra-brominated porphyrins on Au(111)”为题发表于《Nature Communications》期刊。
扫描隧道显微镜（STM）能够在原子尺度对单个分子进行成像与操控，是研究表面反应与构筑纳米结构的重要工具。但传统STM反应操控高度依赖经验丰富的实验人员，需要反复手动调整针尖位置、电压和电流等参数，效率和可重复性受到限制。针对这一问题，研究团队将计算机视觉与强化学习等AI方法结合，构建了一套能够自主执行分子反应的STM自动化系统。系统首先通过大范围扫描与目标检测算法自动寻找单个分子位置；随后利用图像分割和关键点识别算法判断分子的取向与各化学键状态；在此基础上，由强化学习智能体根据实时反馈自主选择针尖位置及操作参数，执行单化学键的反应操控。
研究以沉积在Au(111)表面上的四溴取代卟啉分子（TPP）为模型体系，实现了对单个C–Br键的选择性逐步断裂。通过训练后的策略，系统可以按照预设顺序自动完成多步反应路径控制，包括不同构型（如邻位、对位等）的中间体制备，整个过程无需人工逐步干预。
AI驱动的自主单键选择性反应系统示意图
实验结果表明，系统能够在连续运行中不断根据针尖状态变化自我调整操作策略，在多轮尝试后自动收敛到合适的针尖位置和电压区间，实现稳定的单键反应概率。验证了其在多步、可编程单分子反应中的可行性。
本研究由上海大学材料基因组工程研究院独立完成，孙强教授为唯一通讯作者，第一作者为朱志文博士。课题组长期致力于将人工智能方法引入扫描探针显微技术与表面化学研究。未来，该自动化框架有望用于更复杂分子体系与多类型反应的自主探索，推动单分子尺度下的可控构筑与功能设计。
课题组网站：https://www.qiangsungroup.cn
论文链接：https://www.nature.com/articles/s41467-026-69080-1
