中國科學(xué)技術(shù)大學(xué)的研究團隊近期在金屬-載體相互作用領(lǐng)域取得了突破性進展，他們利用可解釋性人工智能（XAI）技術(shù)，成功揭示了這一復(fù)雜現(xiàn)象的本質(zhì)。

這項研究通過對多篇文獻的實驗數(shù)據(jù)進行綜合分析，涵蓋了多達25種金屬和27種氧化物載體。研究團隊采用了一種創(chuàng)新的方法，將可解釋性AI算法應(yīng)用于這些實驗數(shù)據(jù)中，以材料的基本性質(zhì)作為出發(fā)點，通過復(fù)雜的數(shù)學(xué)運算，構(gòu)建了一個包含300億個表達式的龐大特征空間。

在特征空間的基礎(chǔ)上，研究團隊利用壓縮感知算法，結(jié)合化學(xué)領(lǐng)域的專業(yè)知識和理論推導(dǎo)，精心篩選出了既具有物理意義又?jǐn)?shù)值準(zhǔn)確的描述符。這些描述符被用來建立金屬-載體相互作用與材料性質(zhì)之間的精確控制方程，從而揭示了決定金屬-載體相互作用的根本因素。

這一研究成果不僅解決了氧化物載體包覆金屬催化劑的難題，還為高活性、高選擇性、高穩(wěn)定性催化劑的優(yōu)化設(shè)計提供了有力支持。未來，這有望推動新催化材料和新催化反應(yīng)的發(fā)現(xiàn)，為能源、環(huán)境和材料領(lǐng)域的綠色升級和可持續(xù)發(fā)展注入新的動力。

更重要的是，這項研究展示了可解釋性AI算法在科學(xué)實驗數(shù)據(jù)中的強大應(yīng)用能力。通過挖掘隱含的物理規(guī)律，建立具有預(yù)測能力的理論模型，可解釋性AI算法加速了科學(xué)原理的發(fā)現(xiàn)過程，為化學(xué)研究提供了新的視角和可能的解決方案。這一成果將推動AI技術(shù)與化學(xué)研究的深度融合，為解決重要科學(xué)問題和實現(xiàn)技術(shù)創(chuàng)新突破開辟了新的道路。