中國科大利用 AI，破解催化領(lǐng)域重大科學(xué)難題、成果登《Science》

本站 11 月 22 日消息，中國科學(xué)技術(shù)大學(xué)宣布，李微雪教授課題組利用人工智能（AI）在催化基礎(chǔ)研究中取得重要成果。

該研究通過可解釋 AI 技術(shù)在實驗數(shù)據(jù)中建立了金屬-載體相互作用與材料基本性質(zhì)之間的控制方程，揭示了決定金屬-載體相互作用的本質(zhì)因素，提出了強金屬-金屬作用原理性判據(jù)，解決了氧化物載體包覆金屬催化劑的難題。

本站注：可解釋 AI（Explainable Artificial Intelligence，XAI）是指智能體以一種可解釋、可理解、人機互動的方式，與人工智能系統(tǒng)的使用者、受影響者、決策者、開發(fā)者等，達成清晰有效的溝通，以取得人類信任，同時滿足監(jiān)管要求。

這一最新研究匯總了多篇文獻的實驗界面作用數(shù)據(jù)，涵蓋了 25 種金屬和 27 種氧化物。研究通過可解釋性 AI 算法，以材料性質(zhì)作為基本特征，經(jīng)過迭代式的數(shù)學(xué)操作，構(gòu)建了由高達 300 億個表達式組成的特征空間。研究利用壓縮感知算法，結(jié)合領(lǐng)域知識和理論推導(dǎo)，篩選出物理清晰、數(shù)值準(zhǔn)確的描述符，建立了金屬-載體相互作用與材料性質(zhì)之間的控制方程。

上述成果將助力高活性、高選擇性、高穩(wěn)定性催化劑的優(yōu)化設(shè)計，有望加快新催化材料、新催化反應(yīng)的發(fā)現(xiàn)，助推能源、環(huán)境和材料的綠色升級和可持續(xù)發(fā)展。

同時，這一研究表明可解釋性 AI 算法能夠在實驗數(shù)據(jù)中構(gòu)建數(shù)學(xué)模型，挖掘隱含的物理規(guī)律，建立具有預(yù)測能力的理論，加速科學(xué)原理發(fā)現(xiàn)的過程，將推動 AI 技術(shù)與化學(xué)研究的深度融合，為實現(xiàn)重要科學(xué)問題和技術(shù)創(chuàng)新突破提供新的視角和可能的解決方案。?

相關(guān)研究成果發(fā)表于《科學(xué)（Science）》：https://www.science.org/doi/10.1126/science.adp6034