合成化学作为现代社会进步的重要驱动力，不仅是化学学科的核心，更是人类认识、改造和丰富物质世界的重要途径。催化是合成化学的核心，有约 80%的化学品通过催化途径合成。在有机合成领域，本世纪三次诺贝尔化学奖授予了分子催化相关研究。但与突飞猛进的现代实验技术和爆炸式增长的运算能力形成强烈对比的是，分子催化研究范式百年来未有大的改变，新催化剂和催化新反应的设计发展仍高度仰赖于传统的试错模式(Trial-and-error)，反应筛选与优化仍需通过经验和反复试错，新催化模式和新反应的开发和发现大多靠“偶缘（serendipity）”，仍然有很多复杂、精巧和“异常”的反应规律隐藏在催化反应空间的“阴影”中，这些反应很难通过常规的排列组合式的“暴力破解”去发现和优化。近年来，大数据和人工智能技术的快速崛起为物质科学研究揭开了新篇章，为分子催化变革性演化与发展带来了新的契机。如何利用大数据和人工智能技术驱动分子催化研究？如何建立分子催化人工智能研究范式？如何将我国有机合成方法学研究的数量优势转化成数据资源？这些都是当前 AI 分子催化亟待解决的难题。以史为鉴，物理有机化学研究以定量化数据为基石，为 AI 分子催化提供了思路和指引。一百年前，Ingold 通过动力学数据剖析了亲核取代反应机理，开启以循证模式研究复杂有机反应机理的先河；Hammett 基于数据拟合建立了线性自由能方程，奠定了构效关系研究的理论基础。某种程度上，这两个例子可以说是有机合成化学领域内数据驱动研究模式最早的典范。本次报告重点围绕以物理有机思想和策略为指引的 AI 分子催化研究，涉及通用分子描述 SPOC 发展，标准分子催化数据库建设和人工智能技术在新反应研究中的应用等。

锂电池广泛用于电动交通、消费电子等领域，推动了当代科技创新，催生了大规模储能和电动汽车等新兴行业。电解液是锂电池的核心组成之一，主要发挥传输锂离子的功能，被形象地誉为“电池血液”，显著影响电池实际性能。然而，先进电解液设计开发面临着溶液化学规律复杂、电解液分子数目庞大、电解液组分间强关联优化难等挑战。本报告将主要讨论人工智能技术如何解决当前先进电解液研发的瓶颈难题，包括数据驱动发掘电解液溶剂化学规律，开发电解液性质预测多尺度计算模型，集成方法开发电解液高通量计算软件，结合云计算和超算构建电解液数据库，机器学习定量关联电解液分子结构与理化性质以加速上亿分子空间中电解液分子的高通量筛选与精准设计，为后续实验开展提供技术方案。基于上述模型与方法，开发人工智能设计锂电池电解液平台，包括人工智能设计电解液分子、预测分子逆合成路径、预测电解液分子生成固态电解质界面膜的反应机理等功能。最后，以锂离子电池快充电解液添加剂分子为目标，介绍基于生成式人工智能模型设计添加剂分子的具体案例，从而突出人工智能方法如何为下一代锂电池电解液提供潜在方案，为实现我国“双碳”目标提供关键技术支撑。

滴水珠融入大海，一个个分子汇聚成材，群体与个体相互关联，当分子排列牵引了堆积方式，分子聚集态行为随之呈现出可能的梦幻性能。本报告将通过二阶非线性光学高分子、有机力致发光、有机和高分子室温磷光等典型实例，展现分子聚集态的奇妙行为。