创世界首列！“ 95后 ” 博士发Nature！独占鳌头！催化研究迎来新风口！

本文综述了机器学习在多相催化领域的最新发展和应用，旨在缩小理论与实验之间的复杂性差距。文章指出，尽管在活性位点性质和基本反应步骤的计算建模方面取得了进展，但理论和实验之间的差距仍然很大。机器学习通过自动化设计可持续催化技术，有望弥合这一差距。文章还介绍了机器学习在结构仿真、材料性能预测等领域的具体应用，并提出了未来在数据为中心的生态系统中发展机器学习的挑战和前景。