随着人们对环境污染和化石燃料枯竭的日益关注，迫切需要找到一种清洁和可持续的能源。氢气由于其高能量密度和零碳排放而被认为是最有前景的替代能源之一。为了开发用于绿色制氢的高效电催化剂，人们付出了巨大的努力。机器学习(ML)的引入为电催化剂的设计带来了新的机会。然而，目前研究表明，ML方法在电催化剂开发中的效率和准确性受到两个主要问题的严重阻碍，即高精度的电子或几何结构的高计算成本，以及那些易获得和相对简单的物理和化学性质带来的巨大误差。

基于以上背景，南开大学/郑州大学周震教授团队提出了一种通用的ML框架，通过使用局域机器学习势(MLP)实现局部结构优化，有效地获得准确的结构描述符，通过将简单的物理性质与图卷积神经网络相结合，从2973个候选材料中成功筛选出43个高性能合金作为潜在的析氢电催化剂。令人振奋的是，基于该框架确定的部分最佳候选材料已经在实验中得到验证。对不在数据集的银钯合金，研究团队在模拟真实电催化环境下通过从头算方法进行了系统的研究，进一步验证了该框架的可靠性。更重要的是，通过MLP局部优化的结构描述符作为机器学习模型的输入可以平衡计算效率和精度，在相同精度下，计算速度可提高100倍，为高性能电催化剂的设计建立了一个新范式。

该成果发表于Advanced Functional Materials, 2022, DOI: 10.1002/adfm.202208418，第一作者为南开大学材料科学与工程学院研究生陈乐添，通讯作者为郑州大学化工学院张旭研究员与周震教授。该工作得到了国家自然科学基金重点项目和天津市研究生科研创新项目的资助。

第一作者简介

陈乐添，福建南平人。2020年本科毕业于南开大学材料科学与工程学院材料物理专业，现为材料物理与化学专业硕士研究生。已在《科学通报》、Chinese Journal of Catalysis和Advanced Functional Materials上发表第一作者论文3篇。主要研究方向为高通量材料计算与机器学习。

通讯作者简介

张旭，山东淄博人。2014年本科毕业于南开大学化学学院化学专业。2019年毕业于南开大学材料科学与工程学院材料物理与化学专业，获工学博士学位。现为郑州大学化工学院直聘研究员。研究揭示了MXene等多种二维材料的物理化学特性和潜在应用，部分结果为实验验证；发展了层状和二维材料高通量筛选方法，筛选了钠离子电池材料和光解水催化剂；通过数据库与机器学习结合设计了多种单原子电催化剂，并揭示动态催化机理；利用机器学习算法筛选高效电催化剂。在J. Am. Chem. Soc.、Adv. Funct. Mater.和J. Phys. Chem. Lett.等期刊发表第一/通讯作者论文30余篇。论文被引用4300余次，主要研究方向为电催化过程模拟、高通量计算与机器学习。

文章链接 https://doi.org/10.1002/adfm.202208418