文献类型：期刊文章

作　　者：郭柯香[1] 范欣宇[1] 陈乐添[2] 张旭[1] 周震[1]

Kexiang Guo;Xinyu Fan;Letian Chen;Xu Zhang;Zhen Zhou(Interdisciplinary Research Center for Sustainable Energy Science and Engineering,School of Chemical Engineering,Zhengzhou University,Zhengzhou 450001,China;Institute of New Energy Materials Chemistry,School of Materials Science and Engineering,Nankai University,Tianjin 300350,China)

机构地区：[1]郑州大学化工学院,新能源科学与工程交叉研究中心,郑州450001 [2]南开大学材料科学与工程学院,新能源材料化学研究所,天津300350

出　　处：《中国科学:化学》

基　　金：国家自然科学基金(编号:22203077);河南省自然科学基金(编号:242300421129,232301420051)资助项目。

年　　份：2025

卷　　号：55

期　　号：6

起止页码：1660-1673

语　　种：中文

收录情况：BDHX、BDHX2023、核心刊

摘　　要：本综述探讨了机器学习在电催化剂设计中的应用,尤其是在筛选高效电催化剂和加速催化过程中的作用.面对气候变化和能源需求的双重挑战,清洁能源技术成为可持续发展的核心,电催化作为关键技术发挥着重要作用.然而,传统的“试错法”存在高成本和低效率的问题,机器学习通过精确预测电催化性能、加速催化剂筛选与设计,成为解决这一瓶颈的重要工具.描述符能够揭示催化剂的基本特征与性能之间的关系,进而加速筛选过程.本文探讨了描述符如何在电催化剂设计中桥接基本特征与性能之间的关系,并综述了当前机器学习势在催化机制研究中的应用.此外,还介绍了大型语言模型在电催化剂设计中的创新应用.本文展示了机器学习在复杂反应机制探索中的巨大潜力,并展望了未来的发展趋势和挑战.

关 键 词：机器学习  电催化剂 描述符 催化机制  

分 类 号：O643.36]