中國教育報-中國教育新聞網訊（記者 方夢宇）AI能否從大量的實驗數據中建立數學模型，并加速科學原理的發現？11月22日，中國科學技術大學的李微雪課題組在《科學》雜志上發表了一項催化領域的突破性研究成果，對這一問題提供了有力的回答。他們通過揭示負載型金屬催化劑的“金屬-載體相互作用”本質，展示了AI在催化科學研究中的巨大潛力。

負載型金屬催化劑是工業及實驗中最常用的催化劑之一，科學家致力于開發高活性、高選擇性和高穩定性的催化劑。其中的一個重大科學挑戰是洞察“金屬—載體相互作用”的本質及其調控，這一作用顯著影響著催化劑的穩定性、電子轉移、組分、形貌以及界面催化位等。

在這一最新研究中，課題組人員借力AI技術展開了深入研究，為該問題的解決帶來了新的突破口。他們匯總了多篇核心文獻中的大量實驗數據，通過可解釋性AI算法，由材料性質作為基本特征，經過迭代式的數學操作，構建了一個由高達300億個表達式組成的特征空間。利用壓縮感知算法，結合領域知識和理論推導，從中篩選出物理清晰、數值準確的描述符，成功建立了“金屬—載體相互作用”與材料性質之間的控制方程。

這一方程除了包含“金屬—氧相互作用”外，還突破性地包含了“金屬-金屬相互作用”這一關鍵新變量，首次完整揭示了金屬—載體相互作用的本質。研究發現，“金屬—金屬相互作用”是決定載體差異的關鍵因素，這為理解載體效應提供了全新視角。

大規模分子動力學模擬揭示，“金屬—金屬相互作用”還決定了氧化物包覆金屬催化劑的動力學速率，以及包覆界面處金屬-金屬鍵的占比。基于此，團隊提出了“強金屬—金屬作用原理性判據”，用以預測包覆現象的出現。這一判據不僅解釋了迄今為止幾乎所有觀測到的氧化物包覆現象，還預測了更廣泛的有待發現的新體系。

研究人員所提出的“金屬—載體相互作用”理論具有極高的普適性。它不僅適用于氧化物負載的金屬納米催化劑，還適用于其負載的金屬單原子分散催化劑，以及金屬負載的氧化物薄膜催化劑。“強金屬—金屬作用原理性判據”，原則上也同樣適用于其他金屬化合物載體的包覆行為。這一理論模型經過適當變換，可以推廣到更一般的復合材料界面體系，為界面設計和調控提供理論指導。

令人振奮的是，研究人員在該研究中創新性地利用可解釋性人工智能算法從實驗數據中提煉出數學模型和科學原理，用來解決催化科學中的重大問題，這為推動人工智能技術與化學研究的深度融合提供了全新視角。