中科大，Nature Catalysis！

本文介绍了一种基于机器学习的高通量筛选方法，用于开发高效的分子光催化系统，特别是针对二氧化碳还原反应。研究通过使用多种描述符，快速筛选了3444种分子光催化系统，并预测出六种有前景的候选物。实验验证显示，最优系统的转换数达到了4390，显示出显著的催化性能。此外，研究还通过时间分辨光谱学和第一性原理计算验证了描述符的相关性及偶极耦合在触发动态催化反应过程中的作用。这项工作不仅展示了机器学习在加速光催化系统开发中的潜力，也为未来高效人工分子光催化系统的设计提供了新的研究范例。