全球水资源日益受到新型污染物威胁，这类污染物难以被传统水处理工艺降解。基于过一硫酸盐（PMS）活化的高级氧化工艺，凭借硫酸根自由基高氧化电位（2.5–3.1 V）、长半衰期（30–40 μs）及宽pH适应性，在难降解新兴污染物治理中极具应用前景。
但高效净水催化材料的开发仍面临巨大挑战，长期依赖耗时耗力的试错实验。尽管高通量筛选、机器人自动化与第一性原理计算可加快研发节奏，却依赖昂贵设备与专业技术门槛，难以在普通实验室普及落地。
科学人工智能（AI4S）尤其是大语言模型的快速发展，为依托推理挖掘实现新材料科学发现提供了全新机遇。传统机器学习依赖大规模高质量标注数据集，而大语言模型可从非结构化文献中挖掘知识，通过复杂逻辑推理自主生成解决方案。
多款领域适配大模型已在医学、生物、化学与材料领域取得成功：如经128万问答对微调的Chemma模型，辅助实现首例Suzuki–Miyaura交叉偶联合成芳基氮杂环，仅15轮实验即优化出最优条件，分离收率达67%；ChemCrow化学智能体集成18个专家工具，成功助力有机合成新型发色团发现。
然而将大语言模型应用于过一硫酸盐活化催化剂研发难度更大：PMS活化涉及O–O键断裂多步级联过程，同时存在自由基路径（硫酸根自由基、羟基自由基）与非自由基路径（单线态氧）耦合作用，其精细反应机理至今仍存在诸多未知暗机制。瞬态活性中间体与复杂反应路径难以用单一数学模型精准描述，导致基础大模型难以建立直接的结构–性能构效关系。
此外，PMS催化剂设计存在固有权衡：结构多样性与化学可实现性相互制约。大模型高采样温度可拓宽构型搜索空间，但易生成物理不合理、无法合成的候选结构；降低采样温度虽能保证化学合理性，却会大幅削减结构多样性。如何平衡二者，是大语言模型理性设计PMS催化剂的核心难点。
同时，现有大模型材料发现框架多采用单目标性能评价，虽可满足物理、化学基础研究需求，但无法适配实际水处理催化剂的落地要求。例如PtHg₄合金在两电子氧还原反应中兼具高活性与选择性，但汞溶出风险与铂高昂成本限制实际应用；钌基PMS活化催化剂性能优异，合成成本却难以规模化推广。
单一性能评价易忽视环境安全性、经济可行性、规模化制备能力等多维约束，同时引入主观偏差与偶然误差，进一步降低智能体对PMS催化剂的预测精度。
南京大学的任鑫坤和王瑾丰研发ECOMATS多智能体系统，由7个微调大语言模型智能体协同构成，专门面向过一硫酸盐活化催化剂定向设计。为破解PMS催化机理“暗机制”难题，ECOMATS融入专家验证知识图谱，实现设计与评价解耦：高温创意设计智能体负责生成高多样性候选结构，低温评估筛选智能体开展理性打分与筛选。
研究构建五维评价准则，同步兼顾PMS活化性能、结构可合成性、经济可行性、环境安全性与技术落地性；进一步引入三智能体盲审机制，借鉴学术同行评审模式，通过一致性系数实现多模型分数融合，显著提升预测准确度。
利用ECOMATS设计得到5款PMS催化剂候选物，经理论d带中心计算筛选验证。选取代表性催化剂(FeTCPP)Co₂(MeIm)₂进行合成，用于全氟辛酸（PFOA）降解评价。结果证实：基于大语言模型的多智能体系统可高效产出具备实际应用价值的PMS催化剂，为面向工程应用的净水材料加速研发提供全新范式。
任鑫坤，南京大学现代工程与应用科学学院副教授，博士生导师，国家自然科学基金海外优青计划入选者，江苏省杰出青年基金获得者。本科毕业于南京大学理科强化班；博士毕业于英国牛津大学化学系；之后在美国罗切斯特大学化学系从事博士后研究；2022年回国加入南京大学。目前主要研究方向是合成生物学，致力于突破自然进化的限制，以人工设计和编写基因组为主要手段构建全新可控的绿色生物制造体系，拓展新型生物酶在医药、能源、化工等领域的应用。作为负责人主持国家重点研发计划、国家自然科学基金、江苏省自然科学基金、企业委托横向技术开发项目10余项，相关成果以第一作者在Nature Chemistry(已接收)、Nature Catalysis、JACS、Angew. Chem. Int. Ed.、ACS Catal.等杂志发表10余篇，获Nature Catalysis等杂志研究亮点转载报道5次；曾先后获江苏省创新之星、南京大学五四青年奖章、牛津中国学者基金会Tang Award等荣誉。
-
全国城镇给水排水标准化技术委员会信息技术分委会(SAC/TC434/SC3)委员兼副秘书长
中国城市科学研究会水环境与水生态分会委员
iMeta、Eco-Environment & Health等期刊青年编委
全国研究生教育评估监测专家库专家
https://www.nature.com/articles/s44221-026-00634-9
