发展容易得到的描述符对于设计单原子催化剂非常重要，但是具有非常大的挑战。

有鉴于此，天津大学巩金龙、赵志坚等报道一种简单的反应活性描述符，这种反应活性描述符从原子数据库非常简单就能得到，实现了在700种3-5 d区过渡金属和C/N/P/B/O-配位环境构成的石墨烯单原子催化剂进行高通量筛选，这种描述符能够在分子轨道上对催化剂的结构-活性关系进行分析。

本文要点

（1）

当使用该描述符对电化学氮还原反应进行描述，能够验证13种被报道的催化剂，而且合成了4个具有催化活性的催化剂。

（2）

通过机器学习和物理学认识的结合，这项工作为发展合理的高通量筛选理论计算方法以及研究催化剂的结构-机理-催化活性规律提供帮助。这项研究为合成更多的高活性氮原子催化剂提供经验，为发展一种能够用于其他反应和材料的简单、普适性、本征催化活性描述符提供可能。

由于机器学习技术在异相催化领域的发展，越来越多的机器学习方法能够筛选高催化活性NRR电催化剂。因此为将机器学习和深度物理学认识相结合用于揭示结构-机理-催化活性之间的关系，因此能够用于设计催化剂。

参考文献

Xiaoyun Lin, Yongtao Wang, Xin Chang, Shiyu Zhen, Zhi-Jian Zhao, Jinlong Gong, High-Throughput Screening of Electrocatalysts for Nitrogen Reduction Reactions Accelerated by Interpretable Intrinsic Descriptor, Angew. Chem. Int. Ed. 2023

DOI: 10.1002/anie.202300122

https://onlinelibrary.wiley.com/doi/abs/10.1002/anie.202300122