加速催化剂开发：科学家开发基于人工智能的高效催化剂筛选方法

催化剂在许多化学反应中起着关键作用，但传统的催化剂开发方法通常费时费力且成本高昂。相比之下，基于人工智能的催化剂筛选方法可以大大加快催化剂的开发过程。

这类方法通常包括机器学习和计算化学模型，用于预测各种化学物质的反应性和选择性。这样的系统能够快速筛选大量可能的催化剂，并预测哪些催化剂最有可能在特定的化学反应中表现出最佳性能。

使用人工智能进行催化剂筛选不仅可以提高效率，还可以降低开发新催化剂的成本。此外，这种方法还可以用于优化现有催化剂的性能，或者设计全新的催化剂，以满足特殊需求。

通过基于人工智能的催化剂筛选方法，研究人员可以更快速地发现具有高效催化性能的新型催化剂，减少实验的试错过程，提高催化剂开发的效率和成功率。这种方法的优点在于可以利用计算资源处理大量的数据和模型训练，从而挖掘出催化剂设计中的隐藏规律和新颖性能。

最近科学家开发了一种基于人工智能的催化剂筛选方法。

韩国科学技术研究院（KIST）和韩国科学技术院（KAIST）的研究人员最近开发了一种基于人工智能的催化剂筛选方法，并成功开发了一种基于三元催化材料（Cu-Au-Pt）的新型催化材料。

主要发现：

• 研究人员使用了一种名为Slab Graph Convolutional Neural Network (SGCNN)的人工智能模型，准确预测了催化剂表面上吸附物的结合能。
• 这个人工智能模型专门设计用于预测催化材料的表面性质，这对于高效的催化剂筛选非常重要。
• 利用这种方法，研究人员能够在一天内探索近3200种三元候选材料的潜力，而传统的模拟计算需要数年时间。
• 团队成功开发了一种新型的三元（Cu-Au-Pt）合金催化剂，其性能优于纯铂催化剂。
• 与纯铂催化剂相比，Cu-Au-Pt催化剂仅使用了37%的铂元素，同时展现出两倍以上的动力学电流密度。
• 这种开发的催化剂在经过5000次稳定性测试后，表现出优秀的耐久性，降解程度极小。

影响：

• 基于人工智能的催化剂筛选方法提供了一种更高效、更具成本效益的催化剂开发方法，因为它能够快速识别符合稳定性、性能和成本要求的材料。
• 开发的Cu-Au-Pt合金催化剂显示出成为纯铂催化剂的廉价、高效替代品的潜力，目前纯铂催化剂被广泛应用于质子交换膜氢燃料电池中。
• 这项研究不仅对氢燃料电池具有影响，还对水电解制氢等各种催化反应具有重要意义，这对于氢能经济至关重要。

未来，研究人员计划继续构建高质量的吸附能数据并进行更复杂的 AI 建模，这将进一步提高催化材料开发的成功率。该团队计划通过材料和系统优化进一步降低单位成本并提高所开发催化剂的性能。

相关研究成果已经发表在国际期刊《Applied Catalysis B: Environmental》上。