近日，中國科學(xué)院大連化學(xué)物理研究所研究員鄧德會團隊與新加坡南洋理工大學(xué)李昊博博士團隊合作，受邀撰寫了人工智能在催化劑設(shè)計與合成領(lǐng)域的Perspective評述文章，系統(tǒng)梳理了人工智能技術(shù)在多相催化劑設(shè)計與合成中的研究進展，并前瞻性地展望了該領(lǐng)域未來的發(fā)展方向。相關(guān)成果發(fā)表在《物質(zhì)》上。

催化劑作為化工、能源和環(huán)保等領(lǐng)域不可或缺的關(guān)鍵材料，其傳統(tǒng)開發(fā)依賴經(jīng)驗驅(qū)動的試錯法，存在周期長、成本高及數(shù)據(jù)重復(fù)性差等問題，亟需探索新的研究范式實現(xiàn)高效精準設(shè)計。近年來，人工智能特別是機器學(xué)習(xí)的發(fā)展及其在各個領(lǐng)域的成功應(yīng)用，為催化劑設(shè)計與合成領(lǐng)域研究帶來了重要機遇，推動該領(lǐng)域向數(shù)據(jù)驅(qū)動、自動化和智能化方向轉(zhuǎn)型。

該評述系統(tǒng)梳理了人工智能技術(shù)在催化劑設(shè)計與合成領(lǐng)域的最新進展，詳細闡述了機器學(xué)習(xí)方法在催化劑結(jié)構(gòu)與性能預(yù)測、合成條件優(yōu)化、高通量自動化實驗與表征方面的重要應(yīng)用。團隊提出了通過機器學(xué)習(xí)有效識別影響催化劑性能的關(guān)鍵描述符，從而降低傳統(tǒng)理論計算成本、提高研究效率的新策略，并重點論述了主動學(xué)習(xí)和生成模型等前沿技術(shù)如何實現(xiàn)更高效精準的催化劑設(shè)計與合成流程。除此之外，文章還特別強調(diào)了人工智能驅(qū)動的閉環(huán)自動化合成系統(tǒng)在提升催化劑設(shè)計、合成、表征及優(yōu)化全流程的數(shù)據(jù)準確性與可重復(fù)性、減少人為誤差方面的核心價值。

本研究還深入探討了該領(lǐng)域在催化體系泛化能力、跨領(lǐng)域數(shù)據(jù)整合與共享，以及自動化實驗異常識別與分析能力等方面的機遇和挑戰(zhàn)，前瞻性地展望了對應(yīng)的解決方案與技術(shù)發(fā)展路徑，為推動催化領(lǐng)域向更高水平的自動化與智能化研究范式轉(zhuǎn)型提供了借鑒。

相關(guān)論文信息：https://doi.org/10.1016/j.matt.2025.102138