近日，中国科学技术大学李微雪课题组的最新研究成果在国际权威杂志《科学》上发表，该研究揭示了负载型金属催化剂中“金属-载体相互作用”的本质，并展示了人工智能在催化科学研究中的巨大应用潜力。
催化领域一直面临着一个重大挑战，即如何通过调控“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深入洞察这一复杂问题的本质，更无法准确预测相关现象。李微雪团队则通过引入人工智能技术，成功破解了这一长达近四十年的科学难题。
该研究基于大量实验数据的积累，利用可解释性人工智能算法，从材料的基本性质出发，构建了多达300亿个表达式。通过迭代式的数学操作和压缩感知算法，结合领域知识和理论推导，研究团队为“金属-载体相互作用”建立了物理清晰、数值准确的控制方程。这一方程不仅包含了传统认知中的变量，还首次引入了“金属-金属相互作用”这一关键新变量，从而完整揭示了金属-载体相互作用的本质。
值得注意的是，这一理论不仅具有理论价值，还具有极高的普适性。研究团队已成功将其应用到其他催化体系中，包括金属单原子催化剂和氧化物薄膜催化剂。该理论还成功解决了氧化物载体在高温还原条件下包覆金属催化剂的难题。研究团队提出了“强金属-金属作用原理性判据”，能够准确预测包覆现象的发生条件，解释了迄今为止几乎所有观测到的包覆现象。
清华大学化学系李亚栋院士对该研究成果给予了高度评价，认为其解决了多相催化研究中的一个重大基础科学难题，对高效负载型催化剂的理性设计极具指导价值。李微雪教授也表示，该成果有望加快新催化材料和新催化反应的发现，推动能源、环境和材料等领域的绿色升级。
在这项研究中，李微雪团队创新性地利用可解释性人工智能算法从实验数据中提炼出数学模型和科学原理，成功解决了实际科研中的重大问题。这一研究方法不仅为催化科学研究提供了新的视角和思路，也为人工智能技术与科学研究的深度融合提供了有益的借鉴和启示。
