無序固溶體合金具有豐富的催化位點，因此可以被用于催化多種重要的化學反應。然而,也正是由于其多位點的特性，給此類催化劑活性位點的局部結構解析和總體活性的理論預測帶來巨大的挑戰。具體表現在，模擬時采用隨機位點策略，數據量龐大，需要消耗大量的計算資源，且難以直接分析結果。使用機器學習輔助密度泛函理論計算的策略已被證實可以大幅提高計算效率，同時多種統計方法也在部分合金催化體系中被證明是分析大量數據的有力工具。然而，目前對于無序固溶體合金的研究對于總體活性的計算方法仍不全面。因此，發展有效、準確的多位點合金催化劑總體活性的計算描述方法是指導實驗上實現合金組分和比例篩選、可控合成的關鍵。

近期，中國科學技術大學國家同步輻射實驗室宋禮教授和化學與材料科學學院武曉君教授兩個團隊合作，建立了適用于描述多位點合金催化劑總體活性的理論模型，提出了等效位點比例的統計概念，結合機器學習和統計分析實現了Pt-Ru無序固溶體電催化析氫中多位點貢獻的定量描述。相關成果以“Analyzing Active Site and Predicting Overall Activity of Alloy Catalysts”為題發表在國際學術期刊《Journal of the American Chemical Society》上（https://doi.org/10.1021/jacs.4c01542）。

圖：SelectedastheSupplementaryJournalCover

該研究以多位點Pt-Ru無序固溶體合金為模型體系，首先使用基于密度泛函理論和機器學習的高通量計算方法,獲得了大量隨機位點吸附氫原子的自由能數據。隨后,使用元素徑向分布和位點能量分布兩種統計方式，建立了位點微觀結構和本征活性之間的關系,發現Pt₃|Ru₁和Pt₃|Ru₃是電催化析氫反應HER的活躍位點。在此基礎上，創新地引入了等效位點比例的概念,揭示了位點數量、本征活性與催化劑的總體活性的定量關系。相關的預測表明,在合金中Ru濃度相對較低時, 等效位點比例達到最大值；當Ru元素含量在20%到30%之間時,Pt₃|Ru₁和Pt₃|Ru₃位點的數量顯著增加。隨后實驗上PtRu合金的催化比活性測試結果與模型預測的結果高度一致，證明了作者提出的統計方法和等效位點比例有望成為解析電催化活性位點結構和定量描述總體活性的有效手段。

圖：機器學習和統計分析指導催化劑的高通量篩選與設計

在前期的研究中，團隊使用了統計分析方法識別和篩選具有多元素組成的二維層狀材料體系，并成功應用于硫還原反應中催化劑的高通量篩選。相關成果以＂High-Throughput Screening of Sulfur Reduction Reaction CatalystsUtilizing Electronic Fingerprint Similarity＂為題發表在國際學術期刊《JACSAu》上（https://doi.org/10.1021/jacsau.3c00710）。該研究以具有豐富組分和表面官能團的二維過渡金屬碳化物/氮化物為對象，通過比對基準催化劑費米面附近態密度的電子指紋相似性，對420種MXene進行了快速篩選，得到了30種高性能的候選材料。隨后，利用電催化硫還原反應SRR中材料吉布斯自由能的計算，證明了超過93%的篩選準確率，說明電子指紋相似性有望用于高效催化劑的高通量篩選。

上述研究為電催化劑的多組分效應、多位點作用及反應路徑等提供了重要見解,所開發的統計方法和機器學習模型為催化劑的高通量篩選、功能調控及智能研發提供了有用的基礎。

本工作得到了國家基金委杰出青年基金、國家基金委大科學裝置聯合重點、科技部重點研發計劃、中國科學院和合肥綜合性國家科學中心等項目的資助。