机器学习在热催化CO₂加氢中的应用：催化剂设计、过程优化与机理研究

本文系统综述机器学习在热催化CO₂加氢领域的应用。背景方面，全球年排放约400亿吨CO₂，传统催化研究存在周期长、成本高、机理不明确三大痛点。研究目的旨在通过机器学习挖掘"描述符-性能"关联，加速催化剂设计、工艺优化和机理解析。结论表明，机器学习能显著缩短研发周期，构建算法-描述符-性能的映射图谱，但面临数据质量、模型可解释性等挑战，未来需发展物理信息神经网络等方向推动产业化应用。