我国科学家获重大突破

主要观点总结

中国科学技术大学的李微雪教授课题组在催化领域取得重大突破，揭示了负载型金属催化剂的“金属-载体相互作用”本质，并展示了AI在催化科学研究中的巨大潜力。该研究解决了困扰科学界近四十年的难题，建立了物理清晰、数值准确的控制方程，并揭示了“金属-金属相互作用”这一关键新变量。该理论具有极高的普适性，能有效应用于其他催化体系，并解决了氧化物载体在高温还原条件下的包覆金属催化剂的难题。此外，该成果对高效负载型催化剂的理性设计具有指导价值，有望加快新催化材料和反应的发现，推动能源、环境和材料的绿色升级。

关键观点总结

关键观点1: 研究背景及重要性

传统实验研究方法难以洞察‘金属-载体相互作用’的复杂本质并定量预测相关现象，这项研究解决了一个困扰科学界近四十年的难题。

关键观点2: 研究方法和成果

李微雪团队使用AI技术，汇总实验数据，构建了多达300亿个表达式，建立了包含‘金属-金属相互作用’变量的控制方程，揭示了‘金属-载体相互作用’的本质。

关键观点3: 理论的普适性和应用前景

该理论有效地应用于其他催化体系，展示了极高的普适性。同时解决了氧化物载体在高温还原条件下的包覆难题，对高效负载型催化剂的理性设计具有指导价值。

关键观点4: 对经济社会的影响

该成果有望加快新催化材料和反应的发现，推动能源、环境和材料的绿色升级，助力经济社会可持续发展。

文章预览

AI助力！我国科学家研究催化理论获重大突破。 11月22日，中国科学技术大学李微雪教授课题组在《科学》杂志发表一项催化领域的突破性研究成果，通过揭示负载型金属催化剂的“金属-载体相互作用”本质，展示AI在催化科学研究中的巨大潜力。 　　 催化研究中的一个重大科学挑战是调控“金属-载体相互作用”来提高催化性能，然而，传统的实验研究方法难以洞察这一复杂问题的本质并定量预测相关现象。 　　 在本次研究中，李微雪团队使用AI技术解决了这一困扰科学界近四十年的难题。基于多年积累，他们汇总多篇文献中的大量实验数据，通过可解释性AI算法，从材料的基本性质出发，经过迭代式的数学操作构建了多达300亿个表达式，进而利用压缩感知算法，结合领域知识和理论推导，为“金属-载体相互作用”建立了物理清晰、数值准确的 ………………………………