克日，，，质料基因组工程研究院欧阳润海与中国科学手艺大学李微雪教授课题组相助，，，在《Science》期刊揭晓催化领域可诠释机械学习突破性研究效果。。。。。。中国科学手艺大学李微雪教授为通讯作者，，，博士生王泰然和胡建钰及j9九游会质料基因组工程研究院欧阳润海为配合第一作者。。。。。。

科学发明往往是先从数据累积最先，，，然后找出数据间的函数依赖关系或模子，，，最后提炼出能诠释这些数据的简朴原理。。。。。。“AI for Science”时代的到来为加速科学发明提供了新机缘。。。。。。然而，，，迄今为止，，，关于真实天下的未知问题，，，人们一直心存疑虑：人工智能是否可以建设准确的、可推导的、具有强烈物理意义的精练公式，，，并助力提出一般性科学纪律？？？？？？

研究团队使用前沿可诠释机械学习符号回归算法SISSO，，，以催化领域金属/氧化物界面相互作用（MSI）强度为研究工具，，，从模子建设到物理意义剖析、到公式推导验证、到最后提出决议催化领域著名实验征象“强金属-载体相互作用”（SMSI）的一般性判据原理，，，强有力地正面回覆了以上问题。。。。。。

研究团队汇总了多篇文献中的大宗实验数据，，，从质料的基天性子出发，，，使用SISSO算法构建了多达300亿个数学表达式的特征空间，，，并基于压缩感知原理举行希罕求解，，，连系领域知识和理论推导，，，最终为MSI建设了一个物理图像清晰、数值准确的控制方程。。。。。。这一方程突破性地包括了金属-金属相互作用这一要害新物理量，，，展现了其对载体效应的调控作用及金属-载体相互作用的实质。。。。。；；；；；谝陨掀饰，，，研究团队进一步提出了决议催化领域SMSI实验征象的一般性判据原理。。。。。。该判据原理具有很强的预测能力，，，迄今为止已报道的险些所有金属/氧化物SMSI实验征象都可能纳入到该框架内，，，解决了困扰该领域几十年的科学难题。。。。。。

这些研究效果将助力于高活性、高选择性、高稳固性催化剂的优化设计，，，有望加速新催化质料和新催化反映的发明，，，推动能源、情形和质料的绿色升级，，，助力社会的可持续生长。。。。。。同时，，，该事情展示了人工智能在催化、化学和质料科学中的重大潜力，，，为AI研究新范式怎样厘革自然科学研究提供了全新视角。。。。。。通过人工智能手艺，，，科学家们能够更快速、更准确地从重大的科学实验数据中挖掘出潜在的数学模子，，，为解决恒久未解的科学难题提供新的思绪。。。。。。

质料基因组工程研究院欧阳润海2013年博士结业于中国科学院大学（大连化物所），，，师从催化界国际著名的理论学家李微雪教授，，，恒久主导开发原创AI算法-SISSO。。。。。。该算法始于欧阳润海在德国马普FHI研究所NOMAD实验室博士后研究，，，后在j9九游会欧阳博士课题组及国际上其他课题组持续拓展，，，已成为质料和化学领域符号回归可诠释机械学习主流要领之一。。。。。。相关主要时间节点如下所示：

论文信息：

Tairan Wang, Jianyu Hu, Runhai Ouyang, Yutao Wang, Yi Huang, Sulei Hu, and Wei-Xue Li, Nature of metal-support interaction for metal catalysts on oxide supports. Science 386, 915-920(2024)

DOI: 10.1126/science.adp6034

https://www.science.org/doi/10.1126/science.adp6034