生成式主动学习发现高性能的H2O2还原催化剂
计算材料学
2026-03-22 20:15
文章摘要
本文背景是传统机器学习在材料发现中受限于已有数据覆盖的化学空间,研究目的是提出一种结合生成式模型与主动学习的创新策略,以高效发现用于两电子氧还原反应产过氧化氢的高性能催化剂。该方法基于CatGPT生成模型与机器学习力场的协同,通过迭代微调引导生成过程,成功筛选出MnPt3等优异催化剂。结论证实该框架显著降低了计算成本,发现的MnPt3催化剂性能突出,为催化剂逆向设计提供了高效新途径,同时指出了从表面结构反推块体起源等未来挑战。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。