(纯计算)上海科技大学胡培君/谢闻博团队Nat. Catal.: 面向多相催化的通用反应性元素机器学习势

本文介绍了上海科技大学胡培君教授和谢闻博博士课题组在Nature Catalysis上发表的研究成果。背景方面，量子化学尤其是密度泛函理论虽为催化研究提供了微观机理洞察，但计算成本高限制了其在大型复杂体系中的应用，而经典力场方法又存在准确性不足的问题。研究目的是开发一种基于元素的通用反应性机器学习势（EMLP），通过REICO采样策略训练，实现在保持密度泛函理论精度的同时提高计算效率。结论表明，该EMLP模型在Pd-Ag催化剂等复杂体系中表现出色，即使面对表面重构、覆盖度效应等挑战性场景，仍能与密度泛函理论结果定量一致，为替代多相催化中的密度泛函理论计算提供了新途径，并具有拓展至其他材料科学领域的潜力。