机器学习在电催化剂与光催化剂设计及发现中的应用综述

作者与发表信息

本文由Haoxin Mai, Tu C. Le, Dehong Chen, David A. Winkler, 和 Rachel A. Caruso* 共同撰写，发表于美国化学学会（American Chemical Society）的权威期刊 Chemical Reviews 2022年第122卷第16期，出版日期为2022年7月21日。该期刊是化学领域的顶级综述性期刊，标志着本文内容在该领域具有高度的权威性和综合性。

论文主题与性质

本文是一篇系统性、批判性的综述论文，其核心主题是全面回顾和评述机器学习（Machine Learning, ML）技术在电催化和光催化剂研究、设计与发现中的最新进展、应用方法、挑战与未来机遇。文章旨在为材料科学家提供一个关于如何选择和应用ML方法以加速可持续能源相关催化剂开发的实用指南。

主要观点阐述

1. 机器学习为催化科学带来范式转变，是加速催化剂发现的关键工具。 文章开宗明义地指出，电催化剂和光催化剂对于实现可持续未来至关重要，它们涉及清洁燃料生产、缓解全球变暖及解决环境污染。然而，潜在催化剂的数量极为庞大，传统实验或基于第一性原理的计算（如密度泛函理论，DFT）难以全面探索。机器学习作为人工智能（AI）的一个子集，能够从复杂、多维的数据中学习和建模模式，非常适合处理此类“大数据”问题。ML与DFT等高通量计算相结合，可以更高效地筛选材料、揭示结构-性能关系，并预测新材料的性能，从而显著加速催化剂的研发进程。文章强调，ML在催化科学中的应用代表了一种范式转变，将彻底改变下一代先进催化剂的设计与合成方式。

2. 构建有效的机器学习模型需要遵循系统化的标准工作流程，包括数据收集、特征化、算法选择与模型训练、模型验证四个关键步骤。 文章详细阐述了将ML应用于电/光催化研究的标准流程（图1）。首先，数据收集是基础，数据可来源于材料数据库（如Materials Project, OQMD）、高通量实验或计算，以及通过自然语言处理（NLP）技术从科学文献中挖掘。数据质量至关重要，需要评估不同来源数据的可靠性和一致性。其次，特征化（Featurization）是将材料转化为数学模型描述符的过程，这是模型成功的关键。描述符应能唯一表征材料，并与其目标性质相关。描述符类型多样，包括组成描述符（如元素比例）、结构描述符（如晶体图、径向分布函数）、电子描述符（如d带中心、带隙）以及实验条件描述符等。文章指出，通常需要结合多种描述符来构建稳健的模型。为了优化模型并避免过拟合，需要进行描述符选择，常用方法有降维（如主成分分析PCA、均匀流形近似与投影UMAP）和特征选择（如LASSO、随机森林特征重要性评估）。第三，算法选择与模型训练取决于数据结构和问题类型（回归或分类）。文章综述了多种常用算法：多元线性回归及其正则化变体（岭回归、LASSO、弹性网络）简单易解释；支持向量机适用于非线性问题；决策树直观但易过拟合；神经网络（尤其是深度学习神经网络DNN和卷积神经网络CNN）能建模极其复杂的关系，但需要大量数据和计算资源，且可解释性较差；集成学习（如随机森林RF、梯度提升树GBT）通过组合多个弱学习器来获得更稳健、准确的预测；聚类算法（如k-means, DBSCAN）用于无监督学习，以发现数据中的固有模式。此外，还介绍了k-最近邻、核岭回归、遗传算法和主动学习等其他有用算法。第四，模型验证是评估模型预测能力的关键环节。对于回归模型，常用决定系数（R²）、均方根误差（RMSE）和平均绝对误差（MAE）作为指标；对于分类模型，则使用精确度、召回率、准确率和F1分数。为防止过拟合，需将数据集分为训练集和测试集，或采用交叉验证（如k折交叉验证、留一法LOO）进行评估。

3. 机器学习在电催化剂设计中的应用已取得显著成果，尤其在金属间化合物、氧化物和单原子催化剂等领域。 文章通过大量实例展示了ML在具体催化体系中的成功应用。 * 金属间化合物：ML被用于预测新型金属间化合物的结构和组成，以及关键中间体（如CO, H, OH）的吸附能，从而快速筛选CO₂还原、氢析出（HER）、氧析出（OER）等反应的高活性催化剂。例如，利用DNN模型仅基于原子指纹预测Mn-Ge和Li-Mn-Ge体系的新结构；结合主动学习和DFT，系统筛选了1499种金属间化合物表面，发现了大量CO₂还原和HER的候选催化剂，极大减少了计算成本。对于高熵合金（HEA），ML模型能够解析其复杂的构型与吸附能之间的关系，指导成分工程以优化性能。 * 电催化氧化物：过渡金属氧化物（特别是钙钛矿）是重要的OER催化剂。ML通过从文献和数据库中提取数据，构建模型来预测其OER活性，并识别关键描述符。例如，研究通过分析51种氧化物钙钛矿的实验数据，确定了影响其OER活性的关键描述符组。另一项工作结合元素描述符和结构描述符，建立了表面中心环境模型，用于预测OER中间体的吸附能和过电位，从而设计出高性能的新型氧化物钙钛矿催化剂。 * 单原子催化剂：ML有助于理解单原子催化剂（SAC）中金属中心与载体之间的相互作用。研究表明，催化活性与金属中心的配位数、电负性以及最近邻原子的电负性高度相关。基于这些描述符，可以构建通用描述符来设计不含贵金属的高活性SAC。

4. 机器学习在光催化剂设计中的应用同样广泛，主要聚焦于用于水分解和污染物降解的有机与无机光催化剂。 文章概述了ML在光催化领域的应用，尽管篇幅相对电催化较少，但指出了其重要性。 * 光催化水分解：ML被用于优化有机聚合物（如氮化碳、共价有机框架COF）和无机氧化物光催化剂的性能。通过建立带隙、光吸收、电荷分离效率等关键性质与材料描述符（如元素组成、官能团、合成条件）之间的模型，可以指导合成具有更高太阳能转换效率的新型光催化剂。 * 光催化污染物降解：ML可用于优化光催化降解有机污染物的实验条件（如pH、催化剂用量、光照强度），建立过程模型以提高处理效率。此外，ML还能帮助筛选和设计对特定污染物具有高降解活性和选择性的光催化材料。

5. 当前机器学习在催化领域应用仍面临挑战，但也蕴含着巨大机遇。 文章在结论部分客观指出了当前存在的挑战与机遇： * 数据质量与标准化：高质量、标准化的数据是ML成功的基石。当前数据来源分散，测量条件和标准不一，存在误差和偏见。需要材料科学家、催化专家和计算机科学家紧密合作，建立统一的数据记录和评估标准。 * 描述符的获取与选择：一些关键描述符（如d带中心、中间体吸附自由能）的计算或测量成本高昂。开发简单、易获取且具有物理化学意义的描述符是未来的方向。同时，需要更智能的特征工程和选择方法。 * 模型的可解释性与泛化能力：复杂的“黑箱”模型（如深度神经网络）虽然预测能力强，但可解释性差，不利于揭示潜在的催化机理。需要发展可解释AI（XAI）技术。此外，模型在训练数据域外的泛化能力需要加强。 * 小数据问题：催化研究中的数据量往往有限，容易导致过拟合。需要利用主动学习、迁移学习、数据增强等策略来应对。 * 与多尺度模拟和自动化实验的集成：未来的趋势是将ML与多尺度计算模拟（从原子尺度到反应器尺度）以及自动化机器人实验平台紧密结合，形成“闭环”的催化剂研发体系，实现从设计、预测到合成、测试的全流程加速。

论文的意义与价值

本文是一篇极具价值的里程碑式综述。其意义在于： 1. 系统性梳理：首次对机器学习在电催化和光催化这一交叉领域的应用进行了全面、深入的梳理和总结，填补了该领域综合性批判评述的空白。 2. 方法论指南：为不熟悉ML的催化与材料研究人员提供了一个清晰、实用的“入门指南”和“工具箱”，详细拆解了从数据到模型的每一步骤、可用算法及其优缺点，降低了该技术的应用门槛。 3. 应用案例集锦：通过丰富的实例，生动展示了ML在解决具体催化问题（如催化剂筛选、性能预测、机理分析）中的强大能力和多样性，激发了研究灵感。 4. 前瞻性视角：不仅总结了现状，更批判性地指出了当前面临的瓶颈和未来的发展方向，为领域内的研究者指明了下一步的努力目标，推动了该交叉学科的健康发展。 5. 促进范式变革：文章强有力地论证了数据驱动方法将重塑催化剂研发模式，呼吁学术界和工业界拥抱这一变革，共同构建标准化数据基础设施和智能化研发平台，以应对全球能源与环境挑战。

这篇综述是连接机器学习与催化材料科学的重要桥梁，对于推动高效、低成本、可持续催化剂的发现与设计具有重要的指导意义和参考价值。