上海电力，乌特勒支，华东理工，精密测量院AS：AI知识图谱解析甲烷选择性转化

背景：甲烷选择性转化为高附加值碳基化合物是实现低碳经济和碳中和目标的关键技术之一，但传统实验方法面临开发周期长、可重复性差等挑战。研究目的：为高效筛选高性能催化剂，本研究联合多个团队，利用大语言模型分析1059篇相关论文，构建了甲烷知识图谱（CH4-KG），并开发了结合深度神经网络与知识图谱的耦合模型（DNN-KG），以预测不同反应条件下甲烷氧化制甲醇的催化性能。结论：研究发现，具有金属活性位点和多功能载体的催化剂在温和条件下可能表现出高活性。该研究框架为催化剂设计和实验提供了理论指导，有望推动甲烷转化技术的规模化应用，并可扩展至其他催化体系。