ACS Catal综述：机器学习在催化剂筛选、异相催化反应机理中的应用

纳米

2020-11-02

异相催化反应在工业上有非常重要的意义，同时其复杂结构长期以来难以通过相关表征技术进行解析，机器学习目前作为一种新型数据处理技术，为异相催化反应过程的预测、模拟、反应情况提供了很好的技术手段。

有鉴于此，复旦大学刘智攀等报道了对目前机器学习领域中的研究进展情况、在异相催化反应中的应用进行综述报道，主要通过两个角度：从上到下对实验数据进行总结和学习、从下到上通过第一性原理对反应进行预测。

本文要点：

（1）

作者主要讨论总结了从下到上预测反应的研究相关进展情况，具体对如何加速从原子级别的预测和模拟，对分子吸附能、势能面（PES）评价进行研究。基于机器学习的PES计算展示了能够很好的作为传统第一性原理对催化剂结构、反应活性计算技术的替代技术，同时该技术需要高效数据产生/结构描述符/自洽学习优化机器学习技术和潜力。

（2）

通过开发的SSW-NN方法对机器学习过程中关键性模拟技术进行研究，展示了如何机器学习是如何实现帮助对材料和反应进行预测、模拟，如何产生新结构的催化剂、反应路径。

（3）

此外，作者讨论了基于机器学习对异相催化反应进行研究。

参考文献

Sicong Ma and Zhi-Pan Liu*

Machine Learning for Atomic Simulation and Activity Prediction in Heterogeneous Catalysis: Current Status and Future, ACS Catal. 2020

DOI: 10.1021/acscatal.0c03472

https://pubs.acs.org/doi/10.1021/acscatal.0c03472