中国科学技术大学，Nature Synthesis!

背景：复杂材料，特别是高熵催化剂的逆向设计，因其巨大的化学组成空间和复杂的成分-结构-性能关系而极具挑战。研究目的：本研究旨在开发一种实用的逆向设计方法，通过整合光谱描述符、生成式机器学习和机器人实验平台，以加速高性能析氧反应催化剂的发现与优化。结论：该方法成功实现了高熵催化剂的自动化合成、表征与筛选，将单样品处理时间从约20小时缩短至78分钟，并通过光谱生成模型进一步优化了最佳催化剂的性能，使其过电位降低了32.0 mV。研究证明了该集成方法在加速催化剂发现和推动高性能复杂材料智能化设计方面的潜力。