中國化工學會會員風采——李建榮

【弘揚科學家精神：優秀科技工作者風采錄】

【編者按】為弘揚科學家精神，中國化工學會在官方網站、微信公眾號上開設“會員風采”欄目，以科普的形式，用通俗易懂的語言介紹會員及其研究領域，向公眾宣傳普及化工知識，展示化工在科技強國中所做的貢獻，同時展示化工領域優秀科學家和科技工作者篤行不怠、科技報國、勇當高水平科技自立自強排頭兵的卓越風采和創新精神，以增強會員榮譽感，激發會員科技報國的使命感，形成推進高水平科技自立自強、建設科技強國的強大合力。敬請關注！

中國化工學會會員風采：李建榮

李建榮

北京工業大學教授，中國化工學會會士

個人簡歷

李建榮，北京工業大學教授，國家杰出青年科學基金獲得者、國家“萬人計劃”科技創新領軍人才、北京學者。南開大學博士（導師：卜顯和院士），美國德州農工大學博士后（合作導師：周宏才教授）。從事“減污降碳新材料分子化學工程”研究。已發表科技論文400余篇，總被引逾5萬次，2017年以來連續入選科睿唯安“全球高被引學者”。參編專著章節10章，授權發明專利60余件。承擔國家重點研發計劃，國家自然科學基金創新群體、杰青、重點項目，北京市重點研究專項等科研任務。獲國家自然科學二等獎（第二完成人）、北京市自然科學一等獎（第一完成人）、中國化工學會科學技術一等獎（第一完成人）、侯德榜化工科技創新獎、青山科技獎、亞洲杰出科研工作者和工程師獎、盧嘉錫優秀導師獎等。兼任北京海外高層次人才協會副理事長，北京碳中和學會副理事長，中國化工學會精細化工專委會、化學工程專委會、分子辨識分離工程專委會委員，Mol. Chem. & Eng.副主編，Green Chem. Eng.、Chin. Chem. Lett.等期刊編委。

研究領域介紹

“雙碳”愿景下，產業升級、綠色轉型已成為國家重大戰略部署，其中節能減排、綠色低碳、污染控制等過程中的“減污降碳”關鍵技術亟待突破。在密切相關的碳捕集、環境治理、食品安全、重要化學品低能耗分離與深度純化、化學儲能等方面，現有材料（如：吸附劑、電活性物質等）已難以完全滿足更高的技術需求，亟需開發性能更優的新材料。李建榮教授團隊以“分子化學工程”為核心理念，開展新材料（主要是MOF）研究，形成了“分子設計→定向構筑→性能強化→放大制備→推動應用”的研究思路與方案。借助AI賦能，通過“化學—化工—材料—數智”多學科交叉融合，構建新材料創新研究體系，推動關鍵技術突破，助力部分領域實現“減污降碳”目標。

MOF是由金屬離子（或金屬簇）與有機配體通過配位鍵連接形成的晶態多孔材料。由于比表面積高、結構易設計調控等優點，MOF自問世以來迅速成為多孔材料研究領域的熱點之一。2025年諾貝爾化學獎授予MOF領域的三位奠基者，彰顯了MOF研究在國際科學界的地位與影響。2000年至今，李建榮教授一直圍繞MOF的結構設計、可控構筑、構性調控、穩定性強化、綠色放大制備及應用推廣持續開展研究，主要相關內容概述如下。

1. MOF“分子阱”吸附劑創制及應用探索

李建榮及其合作者于2013年創新性地提出“分子阱”理念，通過幾何構型/尺寸與化學環境的協同設計，在分子乃至原子層面調控結構性能，實現特定分子的精準識別與選擇性吸附。其研究團隊也基于此創制出系列新型MOF“分子阱”吸附劑，用于CO2、SF6、N2O等多種溫室氣體及苯、氨氣、臭氧等痕量污染物的高效去除，并在乙烯、丙烯等重要化工原料的深度純化中展現出優異性能，多項關鍵指標取得突破。例如：

苯作為典型的揮發性有機污染物（VOCs）和I類致癌物，廣泛存在于建筑材料、化工生產、石油煉制及包裝印刷等排放的廢氣中，即使以極低濃度存在，仍會對環境與人類健康產生潛在危害。發展高效、穩定的吸附材料以實現低濃度苯蒸氣的深度去除，是污染控制領域的一項重要需求。然而，傳統吸附劑在實際應用中面臨諸多局限，如對水蒸氣具有強親和性，導致其在潮濕環境下對苯的選擇性吸附能力急劇下降等。對此，團隊基于“分子阱”設計理念，創制了多個系列MOF材料，表現出優異的苯吸附性能。以BUT-55為例，其內部孔道微環境能與苯分子產生多重CH...X非共價相互作用，形成完美的苯分子阱。性能評估表明，BUT-55在常溫（25°C）和低壓（<10Pa）下對苯的吸附量高達3.28mmol/g，參數性能優于其他多孔材料。此外，孔道的疏水性有效抑制了水分子的競爭吸附，使材料在高濕度（80% RH）下仍然保持對苯的高效動態吸附，尾氣中苯含量低于室內標準。這些特性確保了BUT-55能夠在真實、復雜的濕工業廢氣環境中，依然保持優異的痕量苯捕集性能，為發展下一代高效VOCs脫除技術提供了新材料支撐。

環己烷被廣泛用作樹脂、橡膠、油漆、清漆、蠟、脂、瀝青、精油等的溶劑、提取劑或去除劑，也是制備許多重要化學品的原料。目前，工業上大部分環己烷是由苯的催化加氫反應獲得。為了提高產品純度并降低對環境和人類健康的負面影響，需盡可能地減少最終環己烷產品中未反應的苯殘留。然而，由于具有相似的分子結構和物化性質（極相近的沸點：80.1和80.7°C），苯和環己烷的分離一直被認為是化學工業中的挑戰。其團隊報道了一種MOF材料Zn-Ade-TCPE，可實現苯和環己烷的篩分。去除液相環己烷中痕量苯的實驗表明，1L純度為99.9%的環己烷通過10g的Zn-Ade-TCPE材料吸附處理后，純度可提升至>99.999%。

氨氣（NH3）廣泛來源于工業生產、農業活動和污水處理等過程，是一種典型的大氣污染物，其排放不僅危害生態環境，還對人類健康構成威脅。在痕量濃度下實現對NH3的高效捕集，對于空氣質量提升與污染控制具有重要意義。然而，現有多孔材料吸附劑對NH3的捕集性能有限，機制主要包括兩類：一是基于Lewis酸位點的化學吸附，通過酸堿或配位作用實現較強的主客體結合；二是依賴于框架中羥基或配位水分子與NH3形成氫鍵的物理吸附。這兩種機制分別存在吸附不可逆、再生條件苛刻，或濕度敏感、選擇性低等問題，吸附強度與易于再生難以兼顧。該團隊創制出一種基于Cu(II)-吡唑基MOF材料BUT-64(H2O)，通過引入橋連水分子，誘導NH3發生水合反應，成功實現了在高濕環境下對痕量NH3的高效、可逆捕集。該工作所發現的氨合分子阱機制突破了傳統物理/化學吸附的限制，實現了高親和力與易再生性的有機整合，為高性能氨捕集材料的設計提供了新思路。

一氧化二氮（N2O）不僅是一種強效溫室氣體（在100年的時間尺度上，其全球變暖潛能值（GWP）大約是二氧化碳（CO2）的273倍），而且是平流層中主要的臭氧消耗物質。己二酸的生產是主要的N2O工業來源，占全球每年人為N2O排放量的8-10%。在該生產過程中，尾氣主要由N2O（38%）、N2（53%）、CO2（4%）、O2（5%）和水蒸氣組成，N2O和CO2都需要在尾氣排放到大氣中之前被有效去除。當前的工業實踐通常采用多步工藝：使用堿性溶液吸收CO2，在700-1300 oC下熱分解N2O，或在大約500 oC下催化分解。這些方法能耗高、成本高且操作復雜。為去除N2O副產物，人們已經廣泛研究了己二酸生產的替代合成路線，但未達到工業要求。因此，亟待發展能夠同時去除工業排放物中的N2O和CO2的新技術。針對這一挑戰，該團隊設計并合成了一種Ni(II)-吡唑羧酸MOF（BUT-167），在模擬己二酸尾氣（N2O/N2/CO2/O2）四組分混合物的分離實驗中成功實現了同時捕集N2O和CO2。該材料對N2O和CO2分子產生很強的限域效應，其N2O吸附容量和堆積密度在已報道MOF中最高。而且，BUT-167在干燥和潮濕條件下均表現出卓越的動態分離性能，可同時去除N2O和CO2。該研究表明MOF在多種污染物同時捕集上具有獨特優勢，有望推動復雜氣體混合物低能耗高效分離技術發展。

C5餾分是石油裂解產物中的重要組成部分，包括異戊二烯、1-戊烯、順/反-2-戊烯和正己烷等多種組分，是高性能橡膠、醫藥中間體及精細化工生產的重要原料。然而，這些分子尺寸相近，沸點相差不足5°C，傳統精餾與萃取工藝往往需多級分離步驟，工藝復雜、能耗高。吸附分離技術是分離C5混合物的低能耗替代方案，但實現五組分逐級分離仍面臨篩分材料設計復雜、孔徑匹配難度大等困難。針對這些問題，該團隊提出了一種基于大語言模型（LLMs）的數據驅動篩選策略，自動提取文獻中MOF結構與吸附性能的關聯規律，構建了首個基于實驗數據的MOF“有效孔尺寸”數據庫，并據此篩選出ZIF-8、Co-FA、Co(pz-NH2)Ni和Co-gallate四種具有特異性篩分窗口的MOF材料。實驗結果表明，ZIF-8能夠選擇性吸附除異戊二烯外的四種組分，實現異戊二烯高效純化。通過進一步串聯吸附系統，最終實現了C5混合物中各組分的逐級分離，獲得高純度異戊二烯、1-戊烯、順-2-戊烯、反-2-戊烯和正己烷。這一工作不僅首次實現了C5烯烴的全體系分離，也展示了人工智能在材料篩選與過程優化中的強大潛力，為復雜體系吸附分離提供了解決思路。

2. MOF穩定性強化、綠色放大制備及產業化應用

同時，李建榮教授團隊在MOF材料的穩定性強化與綠色放大制備方面也取得了多項突破性進展。盡管MOF在氣體吸附、催化及分離等多個領域展現出巨大潛力，但許多MOF在酸、堿及濕熱等苛刻環境中易發生配位鍵斷裂、結構坍塌，長期制約其實際應用。針對這一瓶頸問題，提出“多因素協同穩定性強化”策略：在分子尺度上，通過強化金屬-配體配位強度、構筑多核金屬簇節點、引入剛性或疏水有機配體等手段，實現了MOF穩定性的全面提升。相關研究不僅揭示了MOF穩定性的內在決定因素，也為高穩定MOF理性設計提供了指導。

迄今，該團隊已經成功構筑了多個在極端化學條件下仍能保持完整結構的MOF材料。例如，卟啉-吡唑配位框架PCN-601在飽和NaOH（≈20 mol L–1）水溶液中于室溫和100 °C均能維持結晶性與孔隙率，實現了極端堿性條件下的結構穩定性。與之互補，通過構筑Cr(III)–羧酸強配位鍵與在孔道中引入高密度–SO3H位點的協同設計，所得BUT-8(Cr)A能夠在濃硫酸中保持結構完整，在100% RH、80 °C條件下展現1.27 × 10–1 S cm–1的超高質子電導率，體現出在強酸和高濕環境下穩定且保持良好性能的特征。該研究將MOF的可用工況從溫和環境拓展至強酸、強堿及高濕等極端條件，為其在化工生產、能源轉化與環境治理中的工程化應用奠定了堅實基礎。

在綠色放大制備方面，該團隊針對傳統合成普遍存在“有機溶劑依賴強、放大效率低、粒徑一致性差、時空產率低”等問題，系統優化結晶路徑與傳質過程，建立了高效、綠色的MOF合成路線。通過調控晶核生成速率、控制反應介質性質（改變溶劑、助劑、溫度/濃度梯度）、強化“三傳”（動量傳遞、熱量傳遞、質量傳遞）過程，實現了若干MOF在水相中的可控結晶與規模化制備。同時，團隊發展了“晶種”誘導結晶MOF水相高效綠色合成新方法。該方法添加母體MOF作為晶種，跳過高能壘結晶誘導期并避免形成多相雜質，顯著提升結晶效率與相純度，實現了十余種重要MOF的水相綠色制備，同時大幅降低了反應溫度，縮短了反應時間，顯著提升了時空產率。經過大量嘗試，篩選創制低成本材料，并優化調控合成路徑與工藝，實現了數種MOF的公斤級放大制備，實驗室單批產量已突破十公斤，且多數反應以水為溶劑，有效控制了成本。

也突破了多種MOF的成型造粒，發展并完善了相關工藝。對于空間有限或需要柔性器件的場景，該團隊正在發展噴涂、浸涂、原位生長成膜、3D打印等相關工藝將MOF材料器件化。這些研究極大地推動了MOF材料從實驗室走向工業化應用的進程，促進了“材料”到“產品”的跨越。

在上述研究的基礎上，該團隊聯合多家企業共同推動MOF的應用。將一些可公斤級放大制備具有自主知識產權的MOF材料應用于汽車和室內空氣中甲醛、苯的去除，及高純氣體的深度脫水，商業化產品已在市場銷售，綜合性能相比其他產品有顯著提升。

經過十余載的持續探索，李建榮教授團隊在材料創制、性能調控與應用拓展方面形成了系統化研究體系，涵蓋從分子設計、結構構筑到功能實現的創新路徑。同時，注重將基礎科學問題與工程應用需求相結合，通過系統的結構—性能—工藝關聯研究，揭示了MOF材料在穩定性、可加工性與功能集成方面的內在規律。系列相關成果在國際權威期刊上發表，并獲得數十項發明專利授權，為MOF材料的產業化提供了技術儲備。

此外，該團隊近年來也開展了基于分子化學工程的化學儲能材料與AI賦能新材料創制研究。

3. 液流電池電解質材料分子化學工程與技術

李建榮教授團隊在系統開展MOF材料吸附與催化應用提質增效節能減污的基礎上，進一步將研究領域拓展至電化學儲能與能量轉化新材料，構建了貫通分子設計、結構調控與器件加工的創新鏈。對于水系有機液流電池（AORFB），團隊針對電活性物質能量密度有限、反應可逆性差及體系穩定性不足等關鍵科學問題，從分子化學工程角度出發，設計開發了多個系列的高溶解度、可調電位、結構穩定的有機電解質分子。通過精確調控官能團極性、水化能力、氫鍵作用、立體構型與電子離域程度，實現了電解液在溶解度、黏度、電化學可逆性與化學穩定性之間的平衡優化，從而顯著提升了體系的能量密度與循環壽命。團隊也結合高比表面積碳氈電極與高效電堆結構優化，構建出兼具高效率、長壽命與經濟可持續性的水系液流電池體系，為發展安全、環保且具成本競爭力的儲能技術提供了新的材料與工程化解決方案。 在此基礎上，團隊進一步將MOF的結構可設計性與電化學可調性引入液流電池體系，探索其在界面反應動力學調控與儲能體系穩定性提升中的作用。通過構筑具有功能化孔道與活性位點的多孔電極結構，促進電子與離子高效傳輸，開發出基于MOF的靶向氧化還原體系，有效彌補傳統液流電池能量密度受限的不足。

在質子傳導材料方面，團隊創新性地將柔性MOF引入質子傳導體系，利用其有序且可設計的孔道結構與可調酸性位點（如–SO?H、–COOH等）構筑連續的質子遷移網絡。通過在分子層面精準調控框架結構與配體功能性，在高濕環境下誘導形成穩定的氫鍵傳導通路，并借助骨架柔性有效緩解結構松弛對傳導通道的破壞，從而實現高電導、低活化能與優異循環穩定性的協同提升。該類材料在質子交換膜燃料電池（PEMFC）等能量轉化器件中可兼具高離子電導率、寬電化學窗口與良好可加工性等優勢，為低溫高濕條件下的高效能量轉化提供了新的材料支撐與設計思路。

4. AI賦能新材料研究

在人工智能與材料科學的交叉領域，李建榮教授團隊將機器學習與大語言模型（LLMs）研究從“通用”拓展至多孔材料、液流電池等“專業”體系，構建了從數據驅動設計到智能自動化發現的創新鏈。在材料高通量篩選方面，針對傳統“試錯式”研究效率低、成本高的瓶頸，團隊開發了數據驅動的可解釋機器學習模型。通過結合反應機理精心選擇特征描述符，實現了對CO2環加成反應催化劑的高通量篩選。在利用LLMs實現材料智能設計方面，團隊通過LLMs從大量文獻中提取數據，構建了“有效孔尺寸”（Effective Pore Size）數據集，實現了C5烯烴混合物分離吸附劑的快速篩選與精準發現。還創新性地將多智能體（Multi-Agent）系統引入材料研究，開發了集成化AI系統。該系統通過模擬“管理團隊”與“技術團隊”的協同工作，能夠完成從科學問題分析、多目標篩選（如CO2捕集與轉化耦合）到實驗設計的完整流程輔助科學研究。

此外，為應對海量文獻中知識“非結構化”的挑戰，團隊將LLMs與知識圖譜技術深度融合，構建了以數據驅動、知識整合與智能決策為核心的新材料研究范式。在這一體系下，海量文獻和實驗數據能夠被高效結構化并解析，強化了模型專業知識能力，有力支持了從材料設計、性能篩選到實驗指導的全流程智能化研究。相關成果顯示，晶態多孔材料領域的KG-FM問答系統準確率高達91.67%，液流電池領域的Chat-RFB準確率則達到94.9%，充分驗證了該模型在不同材料研究中的高效性與可推廣性。研究實現了從信息獲取到知識發現再到智能化實驗決策的閉環，為AI賦能新材料的研究提供了可復制、可拓展的創新路徑。

事跡和故事分享

科研是一場漫長的修行，而科研之路從不平坦——需要好奇心，也需要定力；需要耐心，也需要洞察力。

大道至簡——從復雜中尋找本質。李建榮教授常對學生強調“大道至簡”，科學研究尤其如此。在化學實驗中，真正打動人的成果往往不是依賴復雜裝置或繁復工藝，而是通過簡潔、精準的設計揭示事物的本質。一個成功的實驗，不在于操作步驟的多少，而在于是否抓住了關鍵變量、體現出清晰的邏輯和深刻的洞察。簡單意味著對體系的透徹理解，是去除冗余后的本真表達。大道至簡，化繁為簡的過程，正是科學從感性走向理性的過程。唯有從復雜中提煉出本質，才能觸及科學最深的規律，展現科學研究的真正魅力。