强强联手！安徽师范大学毛俊杰&中科大江俊/卓之问&北化工刘栋，最新Nature子刊！

本文介绍了一种针对氧还原反应的双原子催化剂的设计方法，通过机器学习衍生的催化“热点图”展示了几何-电子耦合设计的重要性。研究团队通过第一性原理计算和机器学习辅助高通量筛选，成功预测并验证了N桥联的Co、Mn双原子催化剂（Co-N-Mn/NC）的高效性能。实验结果表明，该催化剂在碱性电解液中展现出0.90 V的半波电位和48.64 mA cm-2的高动力学电流密度，显著优于商业Pt/C催化剂。此外，基于该催化剂的锌-空气电池实现了271 mW cm-2的高比功率密度和806 mAh g-1的比容量。该研究为催化剂的全面设计提供了先进的原型，并通过机器学习辅助的高通量筛选方法，显著降低了计算成本，提高了催化剂筛选效率。