ACS Catalysis | 清华大学王笑楠团队:深度学习驱动的高效大规模过渡态搜索与催化剂发现
ACS美国化学会
2025-09-15 08:45
文章摘要
背景:催化剂开发在化学工业和能源领域至关重要,但传统方法依赖实验试错和复杂理论计算,过渡态搜索计算成本高昂成为瓶颈。研究目的:清华大学王笑楠团队提出CaTS深度学习框架,旨在实现高效、精准的催化反应过渡态筛选,解决数据稀缺和计算成本问题。结论:CaTS通过迁移学习和AI力场,仅需少量数据即可实现万倍计算加速,精度媲美DFT,并结合可解释性分析验证化学机理,为催化剂理性设计提供新工具。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。