人工智能在催化劑合成領域有了新進展

近日，中國科學院大連化學物理研究所研究員鄧德會團隊與新加坡南洋理工大學李昊博博士團隊合作，受邀撰寫了人工智能在催化劑設計與合成領域的Perspective評述文章，系統梳理了人工智能技術在多相催化劑設計與合成中的研究進展，并前瞻性地展望了該領域未來的發展方向。相關成果發表在《物質》上。

催化劑作為化工、能源和環保等領域不可或缺的關鍵材料，其傳統開發依賴經驗驅動的試錯法，存在周期長、成本高及數據重復性差等問題，亟需探索新的研究范式實現高效精準設計。近年來，人工智能特別是機器學習的發展及其在各個領域的成功應用，為催化劑設計與合成領域研究帶來了重要機遇，推動該領域向數據驅動、自動化和智能化方向轉型。

該評述系統梳理了人工智能技術在催化劑設計與合成領域的最新進展，詳細闡述了機器學習方法在催化劑結構與性能預測、合成條件優化、高通量自動化實驗與表征方面的重要應用。團隊提出了通過機器學習有效識別影響催化劑性能的關鍵描述符，從而降低傳統理論計算成本、提高研究效率的新策略，并重點論述了主動學習和生成模型等前沿技術如何實現更高效精準的催化劑設計與合成流程。除此之外，文章還特別強調了人工智能驅動的閉環自動化合成系統在提升催化劑設計、合成、表征及優化全流程的數據準確性與可重復性、減少人為誤差方面的核心價值。

本研究還深入探討了該領域在催化體系泛化能力、跨領域數據整合與共享，以及自動化實驗異常識別與分析能力等方面的機遇和挑戰，前瞻性地展望了對應的解決方案與技術發展路徑，為推動催化領域向更高水平的自動化與智能化研究范式轉型提供了借鑒。

相關論文信息：https://doi.org/10.1016/j.matt.2025.102138