AI能否从大量的实验数据中建立数学模型，并加速科学原理的发现？11月22日，记者从中国科学技术大学获悉，该校李微雪课题组在《科学》杂志上发表了一项催化领域的突破性研究成果，他们通过揭示负载型金属催化剂的“金属-载体相互作用”本质，对这一问题提供了有力的回答，展示了AI在催化科学研究中的巨大潜力。

负载型金属催化剂是工业及实验中最常用的催化剂之一，科学家致力于开发高活性、高选择性和高稳定性的催化剂。其中的一个重大科学挑战是洞察“金属-载体相互作用”的本质及其调控，这一作用显著影响着催化剂的稳定性、电子转移、组分、形貌以及界面催化位等。

此前，李微雪课题组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。然而，由于该作用敏感地依赖于金属和载体的组分、尺寸、形貌，催化剂制备和反应条件等，揭示决定金属-载体相互作用强弱的本质、发展具有预测能力的一般性理论仍是亟待解决的重大科学挑战。

最新研究中，课题组人员借力AI技术展开了深入研究，为该问题的解决带来了新的突破口。他们汇总了多篇核心文献中的大量实验数据，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。利用压缩感知算法，结合领域知识和理论推导，研究团队从中筛选出物理清晰、数值准确的描述符，成功建立了“金属-载体相互作用”与材料性质之间的控制方程。

这一方程除了包含“金属-氧相互作用”外，还突破性地包含了“金属-金属相互作用”这一关键新变量，首次完整揭示了金属-载体相互作用的本质。研究发现，“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。

大规模分子动力学模拟揭示，“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”，用以预测包覆现象的出现。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。

据了解，研究人员所提出的“金属-载体相互作用”理论具有极高的普适性。它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。这一理论模型经过适当变换，可以推广到更一般的复合材料界面体系，为界面设计和调控提供理论指导。

清华大学化学系李亚栋院士评价说：“这项成果解决了多相催化研究中的一个重大基础科学难题，对高效负载型催化剂的理性设计极具指导价值。”李微雪表示，该成果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。

令人振奋的是，研究人员在该研究中创新性地利用可解释性人工智能算法从实验数据中提炼出数学模型和科学原理，用来解决催化科学中的重大问题，这为推动人工智能技术与化学研究的深度融合提供了全新视角。