南京邮电大学王始彦/王龙禄/赵强，淮北师范大学马东伟J. Energy Chem.综述：机器学习加速单原子电催化剂的设计与发现

背景：单原子催化剂因其独特的电子结构和优异的催化性能成为多相催化领域的研究热点，但传统试错法开发效率低下。机器学习作为人工智能的重要分支，凭借其高通量和自动化优势，为催化剂设计与发现提供了新范式。研究目的：本文综述了机器学习在单原子电催化剂设计与发现中的应用进展，旨在系统阐述其工作框架、在关键电催化反应中的具体应用，并探讨当前挑战与未来方向。结论：机器学习能够加速高性能单原子催化剂的筛选与设计，通过揭示结构-性能关系推动材料创新，其与传统方法的深度融合将重塑能源材料等领域的研究范式。