清华Nature子刊：一种跨金属间化合物晶体表面暴露与形貌的基础模型

背景：多相催化剂在化学工业和新能源电转化技术中具有关键作用，但传统开发模式依赖实验试错和理论计算，效率低、成本高。研究目的：清华大学王笑楠团队致力于构建多尺度AI预测框架，以解决催化剂表面设计、活性筛选和反应动力学优化等关键问题。具体工作包括开发SurFF基础模型预测表面能和形貌，提升效率5个数量级；利用AI驱动高通量筛选二氧化碳电还原催化剂，发现新型单原子催化剂；开发CaTS框架优化过渡态搜索，效率提升近万倍。结论：该系列研究形成完整的AI驱动多尺度催化框架，推动催化剂研发从“试错”向“智能预测”转变，为多相催化剂设计提供理论支撑和创新路径。