华东理工大学ACS Catalysis\u00A0：反应热力学约束下的机器学习框架革新多元金属催化剂设计

背景：机器学习在探索复杂多元金属催化剂方面潜力巨大，但现有模型常依赖高通量量子化学计算，对预定义反应路径的依赖和催化剂的理想化处理限制了应对多样化反应的能力；而高通量实验数据虽适用性广，却面临可解释性局限。研究目的：构建一个反应热力学约束下的机器学习框架，以逆水煤气反应为模型，实现高性能多元金属催化剂的精准预测、逆向设计和创新发现。结论：该框架通过归一化方法整合活性金属元素与性质特征，引入明确的热力学约束，并开发基于遗传算法的多目标优化器，成功实现了对数据集内外催化剂的精准重构与全新发现，实验验证了其可靠性和外推能力，为催化剂设计提供了全链条解决方案。