设计新型催化剂是解决许多能源和环境挑战的关键。尽管包括机器学习 (ML) 在内的数据科学方法有望加速催化剂的开发，但通过 ML 方法很少发现真正新颖的催化剂，因为它最常见的局限性和批评之一是假设无法推断和识别非凡的材料。

在此，北海道大学Ken-ichi Shimizu，Takashi Toyao展示了一种外推机器学习方法来开发新型多元素反向水煤气变换催化剂。

文章要点

1）研究人员使用45种催化剂作为初始数据点，并执行闭环发现系统（ML预测+实验）的44个循环，对总共300种催化剂进行了实验测试，并鉴定了100多种催化剂，与之前报道的高活性催化剂相比，活性更高，性能更强。

2）所发现的最佳催化剂组成为Pt(3)/Rb(1)-Ba(1)-Mo(0.6)-Nb(0.2)/TiO2。值得注意的是，原始数据集中不包含铌 (Nb)，而且即使人类专家也无法预测所确定的催化剂成分。

参考文献

Wang, G., Mine, S., Chen, D. et al. Accelerated discovery of multi-elemental reverse water-gas shift catalysts using extrapolative machine learning approach. Nat Commun 14, 5861 (2023).

DOI：10.1038/s41467-023-41341-3

https://doi.org/10.1038/s41467-023-41341-3