负载型金属催化剂是化工领域最广泛使用的催化剂之一。在催化科学研究中，一个重大科学问题在于洞察“金属-载体相互作用”（MSI）的本质及其如何影响催化剂的性能。
近日，中国科学技术大学李微雪教授团队通过先进的人工智能（AI）算法，揭示了金属-载体相互作用的本质，建立了其与材料性质间的通用数学模型，提出“强金属-金属作用原理性判据”，解决了氧化物包覆金属催化剂的难题。相关研究成果发表于《科学》杂志。
01
神秘的金属-载体相互作用
在催化科学的研究前沿，核心目标是开发出兼具高活性、高选择性和高稳定性的催化剂。“金属-载体相互作用”的强弱对催化剂的性能有着重大影响，但因其受到材料各种性质、制备过程与反应条件等诸多因素的影响，相关机制让人捉摸不透。
科学家在1978年发现，在高温还原条件下，氧化物载体会包覆金属催化剂，从而显著改变其催化活性和稳定性，这一包覆现象被认为是由于强金属-载体相互作用所致。虽然金属-载体相互作用对众多界面现象有着重大影响，但科学家们对该作用的本质长期以来一直存在争议。
李微雪团队在2021年建立了金属-载体相互作用调控催化剂稳定性的Sabatier原理，提出了通过构建相互作用强弱不同的双功能载体来解决催化剂在苛刻条件下的稳定性问题（Science 374 (2021) 1360-1365）。但由于金属-载体相互作用敏感地依赖金属和载体的组分、尺寸、形貌，催化剂制备和反应条件等，揭示其本质并发展具有预测能力的理论仍是亟待解决的重大科学问题。
02
AI技术构建
通用“本征控制方程”
研究人员利用AI技术进行深入研究，找到了新的突破口。团队汇总了多篇核心文献中的金属-氧化物界面作用实验数据，通过可解释性AI算法，由材料性质作为基本特征，经过迭代式的数学操作，构建了一个由高达300亿个表达式所组成的特征空间，并利用压缩感知算法，结合领域知识和理论推导，从中筛选出物理图像清晰、数值准确的描述符，成功建立了“金属-载体相互作用”与材料性质之间的本征控制方程。
▲通过可解释AI揭示金属-载体相互作用本质并预测包覆现象
这一控制方程不仅包含了“金属-氧相互作用”，还突破性地包含了“金属-金属相互作用”这一关键新变量，首次完整揭示了决定金属-载体相互作用本质的两个关键因素。
对这两种作用的分析表明，“金属-金属相互作用”是决定载体差异的关键因素，这为理解载体效应提供了全新视角。
进一步的大规模分子动力学模拟研究揭示，“金属-金属相互作用”还决定了氧化物包覆金属催化剂的动力学速率，以及包覆界面处金属-金属键的占比。
基于此，团队提出了“强金属-金属作用原理性判据”，用以判定包覆行为是否能够发生。这一判据不仅解释了迄今为止几乎所有观测到的氧化物包覆现象，还预测了更广泛的有待发现的新体系。
03
催化领域的人工智能新时代
研究团队所建立的“金属-载体相互作用”理论，能够应用于多种类型的催化剂，为催化剂的优化设计提供了宝贵的“导航图”。
该理论不仅适用于氧化物负载的金属纳米催化剂，还适用于其负载的金属单原子分散催化剂，以及金属负载的氧化物薄膜催化剂。“强金属-金属作用原理性判据”原则上也同样适用于其他金属化合物载体的包覆行为。
▲可解释性人工智能揭示“金属-载体相互作用”本质
在现实应用层面，这一成果将助力高活性、高选择性、高稳定性催化剂的优化设计，有望加快新催化材料和新催化反应的发现，推动能源、环境和材料的绿色升级，助力社会的可持续性发展。
这一研究还展示了人工智能在催化、化学和材料科学中的巨大潜力，为AI研究新范式如何变革自然科学研究提供了全新视角。通过AI技术，科学家们能够更快速、更准确地从科学数据中挖掘出潜在的数学模型和科学原理，为解决长期未解的科学难题提供新的思路。