华侨大学魏展画教授及马宁贵博士JMI最新综述 | 人工智能在单原子催化剂中的应用与设计综述

本文综述了人工智能（AI）在单原子催化剂（SACs）设计与应用中的最新进展。单原子催化剂因其高原子利用率和优异的催化性能成为能源转化领域的研究热点，但其复杂的结构-性能关系给传统研究方法带来了挑战。AI技术，特别是机器学习（ML），通过数据处理和模式识别能力，显著加速了SACs的设计与优化。文章详细分析了AI在SACs研究中的四个关键阶段：数据生成、特征分析、性能预测和材料设计。通过结合密度泛函理论（DFT）和高通量筛选，AI能够快速生成大量数据并构建数据库，进而利用ML模型进行特征重要性评估和性能预测。神经网络模型如深度神经网络、卷积神经网络和图神经网络在处理高维数据方面表现出色，能够高效探索化学空间。生成模型如生成对抗网络（GAN）和变分自编码器（VAE）则能够逆向设计新型高效催化剂。AI驱动的催化研究为可持续发展开辟了新路径，未来将进一步推动复杂机制的理解与新型材料的设计。