论文标题： Toward Next-Generation Heterogeneous Catalysts: Empowering Surface Reactivity Prediction with Machine Learning

期刊：Engineering

作者：刘芯言, 彭翃杰

发表时间： August 2024

DOI：https://doi.org/10.1016/j.eng.2023.07.021

微信链接：点击此处阅读微信文章

文章速览

电子科技大学刘芯言研究团队在中国工程院院刊《Engineering》2024年8月刊发表《通往下一代多相催化剂——机器学习助力表面反应性预测》一文，指出多相催化在各种大宗化学品制造与能源转换过程中持续占据核心位置。这些过程的革新亟需探索具备理想催化活性与经济可行性的新材料。为应对此挑战，基于理论计算的高通量筛选提供了一条可行之路。机器学习通过利用相对低成本信息实现对表面活性的准确预测，在加速上述筛选进程中展现出了巨大潜力。鉴于表面吸附能显著地衡量了固体催化剂的催化潜力，文章综述了机器学习在表面吸附能预测领域的最新进展。依据模型输入特征和复杂程度，机器学习模型得以进行了分类及讨论。最后，文章对基于机器学习的催化剂筛选方法所面临的当前挑战和未来机会进行了展望。值得注意的是，文章不仅凝练了采用机器学习加速催化剂发现的主要进展，更启发了研者发展新策略以加速材料设计，最终有望重塑化工与能源图景。

关键词：

机器学习 ; 多相催化 ; 化学吸附 ; 理论模拟 ; 材料设计 ; 高通量筛选

原文链接：

https://www.engineering.org.cn/engi/EN/10.1016/j.eng.2023.07.021

扫二维码｜查看原文

推荐阅读

西交大团队解读加压富氧燃烧的污染控制最新进展

宣肺败毒方活性成分及药理机制多模态研究取得新进展

6G 两大特征，将颠覆传统移动通信，开启未来通信

戴琼海院士团队提出记忆成像系统

任洪强院士团队：从颠覆创新视角看环境工程技术的未来