中科大，Nature Catalysis！

文章预览

‍ ‍ @ 关注下方公众号 获取更多前沿期刊速递和精彩学术报告回放 第一作者：Yangguang Hu, Can Yu, Song Wang, Qian Wang 通讯作者：Dimosthenis Sokaras, Chao Gao, Jun Jiang, Ye Tao & Yujie Xiong 通讯单位：美国SLAC国家加速器实验室，中国科学技术大学，中国科学院高能物理研究所 DOI： https://doi.org/10.1038/s41929-025-01291-z 研究背景 分子金属复合物为开发人工光催化系统提供了机会。寻找高效的分子光催化系统需要大量的光敏剂-催化剂组合，通过传统的试错法非常耗时，而由于缺乏可靠的描述符，高通量虚拟筛选一直无法实现。 本文亮点 本文展示了一种基于机器学习加速的高通量筛选方案，用于分子光催化二氧化碳还原系统，该方案使用多种描述符，涵盖了光敏化、电子转移和催化步骤。该方案快速筛选了3444种分子光催化系统，包括在光敏剂和催化剂相互作用期间的1800 ………………………………