(纯计算)厦门大学郑世胜/李剑锋/北京大学潘锋团队Nat. Commun.: 拓扑引导采样与机器学习实现多相催化中的活性相发现

本文介绍了厦门大学郑世胜、李剑锋和北京大学潘锋团队在《Nature Communications》上发表的研究，提出了一种基于拓扑的自动活性相探索框架，结合机器学习力场（MLFF）实现全面的构型采样与高效计算。该框架通过持久同调分析（PH-SA）算法，探索催化剂表面、亚表面及体相与活性物种间的相互作用，并通过迁移学习训练MLFF进行快速结构优化。研究通过钯中的氢吸收过程和铂团簇的氧化动力学两个体系验证了该框架的有效性，预测的活性相及其对催化机理的影响与实验观察结果一致，表明该策略能模拟复杂催化体系并在特定环境条件下发现活性相。