成果将助力高活性、高选择性、高稳定性催化剂的优化设计，有望加快新催化材料、新催化反应的发现，助推能源、环境和材料的绿色升级和可持续发展。
中国科学技术大学宣布，李微雪教授课题组利用人工智能（AI）在催化基础研究中取得重要成果。
该研究通过可解释 AI 技术在实验数据中建立了金属-载体相互作用与材料基本性质之间的控制方程，揭示了决定金属-载体相互作用的本质因素，提出了强金属-金属作用原理性判据，解决了氧化物载体包覆金属催化剂的难题。
AI在线注：可解释 AI（Explainable Artificial Intelligence，XAI）是指智能体以一种可解释、可理解、人机互动的方式，与人工智能系统的使用者、受影响者、决策者、开发者等，达成清晰有效的沟通，以取得人类信任，同时满足监管要求。
▲ 可解释性人工智能揭示“金属-载体相互作用”本质，图源中国科学技术大学
这一最新研究汇总了多篇文献的实验界面作用数据，涵盖了 25 种金属和 27 种氧化物。研究通过可解释性 AI 算法，以材料性质作为基本特征，经过迭代式的数学操作，构建了由高达 300 亿个表达式组成的特征空间。研究利用压缩感知算法，结合领域知识和理论推导，筛选出物理清晰、数值准确的描述符，建立了金属-载体相互作用与材料性质之间的控制方程。
上述成果将助力高活性、高选择性、高稳定性催化剂的优化设计，有望加快新催化材料、新催化反应的发现，助推能源、环境和材料的绿色升级和可持续发展。
同时，这一研究表明可解释性 AI 算法能够在实验数据中构建数学模型，挖掘隐含的物理规律，建立具有预测能力的理论，加速科学原理发现的过程，将推动 AI 技术与化学研究的深度融合，为实现重要科学问题和技术创新突破提供新的视角和可能的解决方案。
相关研究成果发表于《科学（Science）》：https://www.science.org/doi/10.1126/science.adp6034