【
化工仪器网 行业百态】在当今科学研究的舞台上，人工智能(AI)正逐渐成为一个重要的角色。近日，中国科学技术大学李微雪课题组在《科学》杂志上发表了一项催化领域的突破性研究成果，他们通过揭示负载型金属催化剂的“金属-载体相互作用”本质，对这一问题提供了有力的回答，展示了AI在催化科学研究中的巨大潜力。
长久以来，催化科学中的一个核心挑战是如何深入理解并调控金属-载体间的相互作用，这种相互作用对于提升催化剂的性能至关重要，它影响着催化剂的稳定性、电子转移能力以及反应界面的特性。然而，由于金属与载体之间的复杂关系受到多种因素的影响，包括金属的种类、载体的类型、制备条件和反应环境等，这使得科学家难以从实验数据中直接洞察到相互作用的本质规律。
面对这一难题，李微雪教授课题组采取了创新的研究策略。课题组人员借力AI技术展开了深入研究，为该问题的解决带来了新的突破口。他们汇总了多篇核心文献中的大量实验数据，通过可解释性AI算法，由材料性质作为基本特征，经过迭代式的数学操作，构建了一个由高达300亿个表达式所组成的特征空间。利用压缩感知算法，结合领域知识和理论推导，研究团队从中筛选出物理清晰、数值准确的描述符，成功建立了“金属-载体相互作用”与材料性质之间的控制方程。
这一方程除了包含“金属-氧相互作用”外，还突破性地包含了“金属-金属相互作用”这一关键新变量，首次完整揭示了金属-载体相互作用的本质。研究发现，“金属-金属相互作用”是决定载体差异的关键因素，这为理解载体效应提供了全新视角。
据了解，研究人员所提出的“金属-载体相互作用”理论具有较高的普适性。它不仅适用于氧化物负载的金属纳米催化剂，还适用于其负载的金属单原子分散催化剂，以及金属负载的氧化物薄膜催化剂。
李微雪表示，该成果有望加快新催化材料和新催化反应的发现，推动能源、环境和材料的绿色升级，助力社会的可持续性发展。
这一突破性研究成果标志着AI技术与化学研究的深度融合达到了一个新高度。它不仅为催化基础理论的发展开辟了新的路径，也为未来催化剂的设计与应用提供了强有力的理论支持。随着AI技术的不断进步和完善，相信在不久的将来会有更多的科学难题被解决，更多的科技创新成果涌现出来。
素材来源：科技日报
