作者:吴长锋 来源:科技日报 发布时间:2024/3/19 16:55:38 选择字号: 小 中 大 . . 运用可解释机器学习成功破解催化结构敏感性难题 . . ? 记者19日从中国科学技术大学获悉,该校李微雪教授结合物理启发的可解释机器学习算法与第一性原理计算,解决了一个多相催化研究中长期存在的关于催化结构敏感性难题。研究成果近日发表于《美国化学会》期刊。 ??? 催化反应活性位及其结构敏感性是多相催化研究中最为重要的基本概念之一。尽管近年来研究取得了很大进展,但由于影响因素众多并横跨多个空间和时间尺度,如何在原子尺度上确定催化反应的活性位及其结构敏感性,依然是催化材料理性设计中所面临的一大挑战。 机器学习方法在多相催化研究中发挥着日益重要的作用,并被应用到催化剂的结构敏感性研究中。但迄今为止大多数研究都属于端到端的“黑盒子”研究,研究结果缺乏很好的物理可解释性。物理上具有清晰的可解释性,明确包含催化剂的几何结构和化学组分,并能准确预测催化反应能垒...