华东理工大学刘振团队AI辅助过渡金属催化剂设计领域新进展

华东理工大学刘振教授团队在AI辅助过渡金属催化剂设计领域取得新进展。研究结合密度泛函理论（DFT）揭示的速率/选择性控制因素及副产物形成机制，与机器学习模型及可解释性分析，打通了从“机理-参数化-机器学习模型-实验验证”的研究路线。针对CO2与烯烃耦合反应，团队建立了预测选择性与活性的机器学习模型，识别出四类关键描述符，并通过“交互项变换策略”解耦多重描述符之间的复杂关系。此外，团队还构建了Cr/NNN催化体系的虚拟数据库，建立机器学习预测模型，发现选择性主要由R1位点的局部位阻控制。在乙烯三聚、四聚反应中，团队构建了Cr/PNP催化剂数据库，采用分类-回归双层建模，有效区分低/高PE催化剂。这些研究成果为过渡金属催化体系的高效筛选与定向优化提供了方法学支撑。