Angew：机器学习结合模拟指导碳纳米管中限域催化的理性设计

本文探讨了碳纳米管（CNT）在限域催化中的作用及其对化学反应活性的影响。研究背景指出，微环境与活性位点对多相催化同样重要，但受限催化剂的结构复杂性和与微环境的相互作用使得理解其背后的化学原理变得困难。研究目的是通过机器学习和巨正则蒙特卡罗（GCMC）模拟，深入理解碳纳米管在各种反应气氛下的限域催化机制。研究结果表明，碳纳米管内部的电子相互作用比外部弱，且通过随机森林模型确定催化剂键长的缩短是导致结合能减少和d带中心向低能量方向移动的主要因素。此外，使用键长变化作为描述符的微动力学模型成功再现了实验中观察到的对同一反应的增强和抑制现象。结论强调了合理设计限域催化需要对限域微环境的作用有更准确的理解，并展示了机器学习在催化研究中的潜力。