拓扑指点催化术：生成模型实现活性位点逆向设计

本文介绍了北京大学深圳研究生院潘锋教授团队在《npj Computational Materials》上发表的研究成果，提出了一种具有物理可解释性的拓扑驱动生成模型框架（PGH-VAEs），用于催化活性位点的逆向设计。该框架引入持续GLMY同调（PGH）这一新型代数拓扑工具，高分辨刻画催化活性位点的三维微结构，并指导生成具有理想吸附性能的新型结构。研究以IrPdPtRhRu高熵合金为对象，构建了融合PGH拓扑指纹与元素配体信息的双通道表示方法，通过变分自编码器实现结构—性能关联的潜空间学习。模型在*OH吸附能预测中的平均误差仅为0.045 eV，并揭示了PGH拓扑特征与吸附性能之间的高度线性关系。最终，研究提出了Pt:Pd:Ru比例的最佳催化构型，为实验合成高性能催化剂提供了定量指导。