厦大团队材料预测迁移学习范式登Nature子刊，发现高性能催化剂

文章预览

将 ScienceAI   设为 星标 第一时间掌握 新鲜的 AI for Science 资讯 编辑 | KX 传统的材料发现依赖反复试验或偶然发现，效率低下且成本高昂。 AI 在发现新型催化剂方面潜力巨大。然而，受到 算法的选择，以及数据质量和数量的影响。 在此，来自厦门大学、深圳大学、武汉大学、南京航空航天大学和英国利物浦大学的研究团队 开发了一种迁移学习范式，结合了预训练模型、集成学习和主动学习，能够预测未被发现的钙钛矿氧化物，并增强该反应的通用性。 通过筛选 16,050 种成分，鉴定和合成了 36 种新的钙钛矿氧化物，其中包括 13 种纯钙钛矿结构。 Pr 0.1 Sr 0.9 Co 0.5 Fe 0.5 O 3 （PSCF）和 Pr 0.1 Sr 0.9 Co 0.5 Fe 0.3 Mn 0.2 O 3 （PSCFM）在 10 mA cm^-2 时分别表现出 327 mV 和 315 mV 的低过电位。电化学测量表明，两种材料中 O-O 耦合的吸附质演化机制（AEM）和晶格氧机制（ ………………………………