ACS Nano | 机器学习加速高通量筛选高效双金属过氧化物纳米酶

本文介绍了国家纳米科学中心施兴华研究员团队在ACS Nano期刊上发表的一项研究，该研究利用机器学习算法加速识别具有过氧化物酶样活性的双金属纳米粒子。研究通过对纯金属纳米颗粒的催化反应网络进行分析，建立了一套稳健的标度关系，并成功预测了1260种双金属纳米粒子的过氧化物酶样活性。研究采用了一种新的催化剂结构描述符，有效分辨了纳米颗粒的活性位点和原子层结构，加速了预测过程并提高了准确性。此外，研究还总结了设计高效双金属纳米颗粒的几种策略，并指出所提出的方法适用于其他类型的异相催化剂。该研究基于密度泛函理论计算与机器学习算法相结合，有效预测了纳米颗粒的催化活性，避免了传统实验试错方法的高耗时和高成本。高通量计算方法的使用为新催化剂的快速发现提供了新途径，并加深了对纳米颗粒的过氧化物酶样活性中构效关系的理解。