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。
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
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。
推荐文献
Issue Publication Information
DOI: 10.1021/apv007i017_1982758 Pub Date : 2025-09-12
IF 4.7 2区 化学 Q2 ACS Applied Polymer Materials
ACS美国化学会
最新文章
热门类别
相关文章
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信