研究进展：机器学习-多相催化 | Nature Reviews Chemistry

本文综述了机器学习在多相催化领域的应用进展。背景方面，机器学习技术在大型数据集中识别复杂模式的能力使其成为催化剂性能与物理化学性质关联的有力工具。研究目的上，文章整合了高通量方法和机器学习研究，旨在促进固体多相催化的发展，同时利用实验和计算数据。结论部分指出，尽管机器学习在预测吸附能、反应速率等方面展现出高精度（部分模型R²>0.9），但数据稀缺和可重复性仍是主要挑战。未来，人机协作与标准化数据库将推动催化科学迈向智能化时代。