(纯计算)南开大学刘锦程团队JACS Au: 一种用于催化领域的机器学习原子间势数据集及模型

背景：催化反应体系复杂，催化剂动态变化，传统实验表征和DFT计算存在分辨率不足或成本高昂的问题。研究目的：开发一个专为非均相催化的机器学习原子间势数据集及预训练模型（CLAM），并引入“局部微调”算法以提高结构优化和过渡态搜索的精度与效率。结论：CLAM模型在吸附能预测和过渡态搜索中分别达到94%准确率（化学精度内）和81%识别准确率，相比DFT计算显著加速，并能通过分子动力学模拟复现催化现象。