11月22日，《科學》雜志在線發表了中國科學技術大學李微雪課題組在催化領域的突破性研究成果，該研究通過揭示負載型金屬催化劑的“金屬-載體相互作用”本質，展示出AI在催化科學研究中的巨大潛力。

催化研究中的一個重大科學挑戰是調控“金屬-載體相互作用”來提高催化性能，然而傳統的實驗研究方法難以洞察這一復雜問題的本質并定量預測相關現象。

在最新研究中，李微雪團隊使用AI技術解決了這一困擾科學界近四十年的難題。基于多年積累，他們匯總了多篇文獻中的大量實驗數據，通過可解釋性AI算法，從材料的基本性質出發，經過迭代式的數學操作構建了多達300億個表達式，進而利用壓縮感知算法，結合領域知識和理論推導，為“金屬-載體相互作用”建立了物理清晰、數值準確的控制方程。這一方程突破性地包含了“金屬-金屬相互作用”這一關鍵新變量，揭示了該變量對載體效應的調控作用，首次完整揭示了金屬-載體相互作用的本質。

該理論有效地遷移到了其他催化體系中，包括金屬單原子催化劑和氧化物薄膜催化劑，展示了極高的普適性。此外，該理論成功地解決了氧化物載體在高溫還原條件下包覆金屬催化劑的難題。研究團隊提出了“強金屬-金屬作用原理性判據”，預測了包覆現象的發生條件，不僅解釋了迄今為止幾乎所有觀測到的包覆現象，還對未來研究方向作出了預測和指導。

清華大學化學系李亞棟院士認為，該項成果解決了多相催化研究中的一個重大基礎科學難題，對高效負載型催化劑的理性設計極具指導價值。李微雪教授表示，該成果有望加快新催化材料和新催化反應的發現，推動能源、環境和材料的綠色升級，助力社會的可持續性發展。

尤其是，研究人員在該研究中創新性地利用可解釋性人工智能算法從實驗數據中提煉出數學模型和科學原理，解決了實際科研中的重大問題，這為推動人工智能技術與科學研究的深度融合提供了全新視角。（安徽日報）