11 月 22 日凌晨，中国科学技术大学李微雪课题组在催化领域取得重大突破，相关成果在线发表于《科学》（Science）杂志。该研究利用可解释性人工智能（AI）技术，揭示了负载型金属催化剂的 “金属 - 载体相互作用” 本质，为催化科学研究带来新曙光。

调控 “金属 - 载体相互作用” 以提升催化性能一直是催化研究中的关键挑战。传统实验方法难以深入洞察这一复杂问题的核心并进行定量预测。李微雪团队基于多年积累，汇总大量文献实验数据，运用可解释性 AI 算法，从材料基本性质构建了 300 亿个表达式，结合压缩感知算法、领域知识与理论推导，成功建立了 “金属 - 载体相互作用” 的控制方程。

该方程突破性纳入 “金属 - 金属相互作用” 变量，首次完整揭示 “金属 - 载体相互作用” 的本质，明确其对载体效应的调控作用。这一理论不仅适用于负载型金属催化剂，还成功迁移至金属单原子催化剂和氧化物薄膜催化剂，展现出高度普适性。此外，该理论有效解决了氧化物载体在高温还原条件下包覆金属催化剂的难题，提出 “强金属 - 金属作用原理性判据”，能预测包覆现象发生条件，解释现有观测结果并指导未来研究方向。

清华大学化学系李亚栋院士评价，该项成果攻克多相催化研究的重大基础科学难题，对高效负载型催化剂的理性设计意义重大。李微雪教授表示，该成果有望加速新催化材料与反应的发现，推动能源、环境和材料领域的绿色升级。

此次研究创新性地运用可解释性 AI 算法从实验数据中提炼数学模型与科学原理，解决实际科研重大问题，为人工智能与科学研究的深度融合提供了新思路与视角，有望启发更多跨学科研究，促进相关领域进一步发展。