我国科学技能大学李微雪教授课题组使用人工智能(AI)在催化基础研讨中获得严重打破。研讨人员通过可解释AI技能从试验数据中树立了金属-载体相互效果与资料根本性质之间的操控方程，提醒了决议MSI的实质要素，提出了 “强金属-金属效果原理性判据”，处理了氧化物载体包覆金属催化剂的难题。研讨效果以“Nature of Metal-Support Interaction for Metal Catalysts on Oxide Supports”为题，于11月22日宣布在《科学》上。

　　负载型金属催化剂是工业及试验中最常用的催化剂之一，研讨人员致力于开发高活性、高选择性、高安稳性的催化剂。一个严重科学问题就在于洞悉“金属-载体相互效果”的实质及其调控，这一效果显着影响着催化剂的安稳性、电子搬运、组分、描摹以及界面催化位点等。早在1978年，科学家们就发现氧化物载体在高温恢复环境下会产生氧化物包裹金属催化剂的现象，然后明显改动其催化活性和安稳才能，这一现象被归结为由强金属-载体相互效果所造成的。尽管金属-载体相互效果对很多界面现象有着严重影响，科学家们对该效果的实质长期以来一向存在严重争议。

　　2021年，李微雪课题组成立了金属-载体相互效果调控催化剂安稳性的Sabatier原理，提出了通过构建相互效果强弱不同的双功用载体，来处理催化剂在严苛条件下的安稳性(Science 374 (2021) 1360-1365)。但是，因为该效果灵敏地依赖于金属和载体的组分、标准、描摹，催化剂制备和反响条件等，提醒决议金属-载体相互效果强弱的实质、开展具有猜测才能的一般性理论仍是亟待处理的严重科学应战。

　　图1. 通过可解释性AI(A)和试验数据(B)树立金属-载体相互效果数学模型,“恢复”缺失试验数据(C)，量化金属-氧和金属-金属相互效果(D)，解耦对MSI奉献(E)。

　　在最新研讨中，研讨人员汇总了多篇文献中的试验界面效果数据，涵盖了25种金属和27种氧化物。他们通过可解释性AI算法，由资料性质作为根本特征，通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。使用紧缩感知算法，结合范畴常识和理论推导，从中筛选出物理明晰、数值精确的描述符，成功树立了金属-载体相互效果与资料性质之间的操控方程(图1)。

　　该方程打破性地包含了“金属-金属相互效果”这一要害新变量，一起还包含了“金属-氧相互效果”的奉献，初次完好提醒了决议金属-载体相互效果实质的两个重要的条件。通过对675种金属-氧化物系统的剖析发现，尽管后者决议了金属催化剂的组分效应，前者是决议载体差异的重要的条件，这为了解载体效应供给了全新视角。

　　图2. 分子动力学提醒氧化物包裹金属催化剂(A-D)，金属-金属相互效果决议包覆界面结构与动力学(E-F)，强金属-金属效果包裹原理性判据(H)。

　　根据神经网络势函数的分子动力学模仿发现，“金属-金属相互效果”还决议了氧化物包覆金属催化剂的动力学速率，以及包覆界面处金属-金属键的占比(图2)。根据此，团队提出了“强金属-金属效果原理性判据”，即当两种金属间效果强于氧化物中金属组分本身相互效果时，氧化物载体将会包覆金属催化剂。该判据有效地阐释了迄今为止简直一切观测到的包覆现象，涵盖了10‎种金属和16种氧化物。

　　研讨团队所提出的“金属-载体相互效果”理论具有极高的普适性。它不只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涣散催化剂，以及金属负载的氧化物薄膜催化剂。“强金属-金属效果原理性判据”，原则上也相同适用于其他金属化合物载体的包覆行为。该模型通过改换，可以推行到更一般的复合资料界面系统，为界面规划和调控供给理论辅导。

　　研讨团队的这一科学打破，将助力于高活性、高选择性、高安稳性催化剂的优化规划，有望加快新催化资料、新催化反响的发现，助推进力、环境和资料的绿色晋级和可持续开展。‎清华大学化学系李亚栋院士点评：“这项效果处理了多相催化研讨中的一个严重基础科学难题，对高效负载型催化剂的理性规划极具辅导价值。”

　　研讨团队的这一科学打破还阐明可解释性AI算法，可以有力地从试验数据中构建数学模型，发掘隐含的物理规则，树立具有猜测才能的理论，加快科学原理发现的进程，将推进AI技能与化学研讨的深层次地交融，为完结严重科学问题和技能创新打破供给了全新的视角和或许的处理方案。‎

　　李微雪教授为该论文的通讯作者，博士生王恬然、胡建钰和上海大学的欧阳润海教授为论文的一起榜首作者。该项研讨遭到国家自然科学基金委、我国科学院、科技部等赞助。核算模仿作业在我国科学技能大学超级核算中心完结。

　　（化学与资料科学学院、精准智能化学要点试验室、合肥微标准物质科学国家研讨中心、科研部）