近日，中山大学柯卓锋课题组在茂金属聚丙烯催化剂研究领域取得了重要突破。李胤午博士介绍了课题组基于公开学术发表的数据，通过自主开发的Auto-multi、Mollearn、MolAIgen等程序开展了结构建模、机器学习计算及高通量结构生成等催化剂筛选研究工作。目前，该研究通过理论计算获得衍生催化剂结构约50万种，为未来进行催化剂高效筛选提供了一条新的可选路径。

茂金属聚丙烯催化剂作为一种高效、环保的催化剂，在未来化工、石化等领域具有广泛的应用前景。然而，茂金属聚丙烯催化剂的研究和开发过程中，面临着催化剂结构复杂、筛选难度大等问题。为了解决这一难题，柯卓锋课题组借助宝禄服务器和高通量结构生成技术，开展了大规模的催化剂筛选工作。

宝禄服务器作为一种高性能计算平台，为课题组提供了强大的计算资源。通过集群计算和高度优化的算法，课题组在短时间内完成了大量催化剂结构的计算和分析。此外，借助自主开发的程序，课题组对茂金属聚丙烯催化剂进行了结构建模、机器学习计算等研究，为催化剂的高效筛选奠定了基础。

李胤午博士表示，该研究充分利用了现代计算技术，为茂金属聚丙烯催化剂的研究提供了新的视角。未来，课题组将继续借助宝禄服务器等先进技术，探索更多具有高效催化性能的茂金属聚丙烯催化剂，为我国化工、石化等领域的发展贡献力量。

柯卓锋课题组借助宝禄服务器和高通量结构生成技术，成功探索了茂金属聚丙烯催化剂的研究新途径。这一创新性研究为未来催化剂的高效筛选提供了新的可选路径，有望推动我国茂金属聚丙烯催化剂研究的快速发展。