南京邮电大学王始彦/王龙禄/赵强，淮北师范大学马东伟J.EnergyChem综述

本文综述了机器学习在单原子催化剂（SACs）设计和发现中的应用。背景方面，SACs因其优异的催化性能成为研究前沿，但传统试错法效率低下。研究目的是总结机器学习在SACs研究中的最新进展，提供一个系统的工作框架，并探讨其在关键电催化反应（如CO2还原、析氢反应等）中的应用。结论指出，机器学习正从辅助工具转变为材料发现范式的核心组成部分，能够高效探索复杂设计空间，加速高性能SACs的开发，以支持可持续能源解决方案。未来，机器学习与传统方法的融合将重塑材料创新流程。