中科大，Nature Catalysis！

本文介绍了中国科学技术大学等机构在《Nature Catalysis》上发表的研究，旨在通过机器学习加速的高通量虚拟筛选方法，优化人工光合作用中的光催化系统，以提高CO2还原效率。研究背景基于自然光合作用的启发，旨在开发高效的人工光催化系统以应对CO2净零排放的挑战。研究目的通过开发新的筛选策略和描述符，如偶极耦合，来提高光催化系统的设计和优化效率。研究结论表明，通过机器学习模型和高通量筛选，成功预测并验证了多个高效的光催化系统，其中最佳系统在25小时内实现了4390的周转数，显示出高选择性和稳定性。此外，研究还验证了电子耦合在触发动态催化反应中的关键作用，为未来高效人工光催化系统的开发提供了重要的理论依据。