对于设计具有优异催化活性的工业C1催化剂，对合金催化剂表面的阶梯位点的催化反应活性评价具有非常大的困难和挑战。

有鉴于此，电子科技大学彭翃杰、西湖大学王涛等通过机器学习筛选具有催化活性的稳定二元合金催化剂。

本文要点：

（1）

通过简单的输入块体材料与材料的性质，随后通过机器学习进行预测，能够非常准确的预测碳、氧中间体在特定催化位点的吸附能，从而能够从大量材料中筛选，从物理解释的角度提出机理。

（2）

通过实用机器学习模型对催化剂进行筛选，对能够用于C₁催化的催化剂进行预测，另外对CuPd催化剂的催化反应动力学进行模拟。

这种数据驱动方法能够从简单数据揭示催化剂设计的深层次原理，为发展新型合金催化剂提供机会。

参考文献

Xinyan Liu, Cheng Cai, Wanghui Zhao, Hong-Jie Peng*, and Tao Wang*, Machine Learning-Assisted Screening of Stepped Alloy Surfaces for C1 Catalysis, ACS Catal. 2022, 12, 4252–4260

DOI: 10.1021/acscatal.2c00648

https://pubs.acs.org/doi/10.1021/acscatal.2c00648