利用机器学习推动高熵合金催化研究：聚焦吸附能预测

本文是一篇关于机器学习在高熵合金催化研究中应用的综述。背景方面，高熵合金因其成分和结构的复杂性，在催化领域展现出巨大潜力，但传统实验和计算方法面临挑战。研究目的旨在系统阐述机器学习驱动的高熵合金吸附能预测策略，主要包括基于非弛豫结构的直接预测和基于机器学习势函数引导弛豫的迭代预测两种主流技术路线，并探讨了相关模型、数据集及优化方法。结论指出，机器学习能显著加速高熵合金催化剂的理性设计与发现，未来需在策略基准化、专用数据集构建、预测精度提升以及计算与实验结合等方面进一步推进。