化学、生物与自动化实验室
突破级
暂无讲解视频
收录解读
这篇 Nature Materials 论文把催化剂发现从单一材料家族内搜索推进到跨材料家族迁移，目标是利用机器学习把单原子催化剂和钙钛矿氧化物之间的实验知识连接起来。
方法上，作者通过自动统计分析和自然语言分析选出共享活性相关 co-descriptors，再训练 crossbreeding neural network，在未训练过的 SAC-on-perovskite oxides 类型上预测析氧反应活性。
实验合成验证表明模型能预测候选催化剂的过电位趋势，并识别出优于既有候选的多金属催化剂；可解释机器学习进一步把描述符重要性和表面原子贡献连接到活性趋势。
收录价值在于它不是普通性质预测，而是展示了跨材料类别迁移的 AI 催化剂发现工作流，能扩展已知设计空间之外的实验发现，是 AI for materials/chemistry 中具有复用形状的工作。