Nature Catalysis：OER催化剂智能设计！

背景：质子交换膜水电解是绿氢制备的关键技术，其阳极析氧反应需在强酸性环境中进行，目前依赖昂贵且稀缺的铱基催化剂。二氧化钌虽有潜力，但稳定性不足，而多元钌基氧化物的化学空间庞大，传统方法难以高效协同优化可合成性、活性与稳定性。研究目的：开发一种名为“混合加速”的分层智能工作流程，整合理论描述符、高通量实验数据与机器学习模型，实现对酸性介质中析氧催化剂的可合成性、活性及稳定性的联合预测与优化。结论：该工作流程通过379次实验验证，从钌基多元氧化物中筛选出七种性能超越现有帕累托前沿的催化剂，最优组分Ru0.5Zr0.1Zn0.4O2在10 mA cm⁻²下过电位为194 mV，钌溶出率比纯RuO₂低12倍。研究揭示了掺杂剂（如锆、锌）对稳定性的关键作用，并提供了可推广的智能化材料设计框架，加速了高性能酸性析氧催化剂的发现。