金属载体相互作用，Nature Catalysis！

本研究针对高温条件下金属纳米粒子催化剂易烧结失活的问题，开发了融合神经网络分子动力学与可解释机器学习的计算框架。研究背景指出金属-载体相互作用是影响烧结行为的关键因素，但传统方法难以建立普适性理论模型。研究目的旨在揭示MSI物理本质并实现高效材料筛选，通过构建203种载体系统的数据库，识别出表面能、表面氧键序等四个核心物理描述符。结论表明基于这些描述符开发的iGAM模型能准确预测粘附能，并成功筛选出BaO等18种抗烧结载体，经模拟与实验验证显示其高温稳定性优于传统载体，为理性设计催化剂提供了新范式。