國產開源大模型DeepSeek強勢出圈，憑借出色的算力和推理能力,、低成本優(yōu)勢得到全球用戶喜愛,，國內各大企業(yè)紛紛跟進部署應用,，新一輪AI狂潮席卷中國。

科技是第一生產力,，“AI + "賦能之下,，人類文明進入新的發(fā)展階段。在生物學領域,，科學家用 AI 技術進行蛋白質結構設計,，創(chuàng)造全新蛋白質。在醫(yī)藥領域,，AI技術能將藥物發(fā)現,、臨床前研究時間縮短近40%。在AI技術賦能下,，很多行業(yè)爆發(fā)驚人能力。2024年的諾貝爾獎將AI技術推到了科學舞臺的中央,。

當AI與電化學催化劑篩選研究融合在一起,，會產生什么樣的火花？一起了解下,。

1,、AI縮短催化劑研究篩選時間

在綠氫技術研發(fā)中，Ru 基 OER 催化劑是一種很有前途的 Ir 替代品,。然而,，OER 過程中 Ru 原子的過度氧化會導致可溶性 Ru＞4+ 物質的形成，顯著縮短催化劑的壽命,。若按照傳統(tǒng)路徑進行研究,，經年下來，青絲早已熬成白頭,！

有了AI技術,，時間可以大大縮短。國外有科學家應用AI技術快速分析預測2000種金紅石氧化物結構的 Pourbaix 電化學穩(wěn)定性（ΔGpbx）,，從而將催化劑候選材料研究縮小到16個,。大大提升了研究進度。

在HER研究領域,，AI也是大放異彩,。基于高熵氧化物 (HEOs)的豐富的活性位點,、可調節(jié)的比表面積,、穩(wěn)定的晶體結構、du特的幾何相容性和電子結構等特性,，有科學家提出了一種用于發(fā)現高熵尖晶石氧化物 (HESOs) 的主動學習框架,，展示了其在實驗數據有限情況,，用AI技術識別1.4萬個高熵氧化物。

2,、AI催化劑篩選應用“3步走"

隨著科技的發(fā)展,，數據越來越龐大，綜合交叉越來越多,，科研需要zhuo越的數據擬合與處理能力,，AI順應了生產力發(fā)展的要求。

AI技術需遵循3個流程：數據收集,、模型訓練,、模型應用。涉及到數據庫建設,、催化結構特征選擇與提取,、評價反饋與驗證優(yōu)化等內容。

其實,，近現代科技發(fā)展規(guī)律也是“三步走"：實驗數據積累,、構建數學模型，推導預測原理,。AI技術的“3步走"邏輯,，非常符合科學發(fā)展規(guī)律。

2024年11月,，中國科學技術大學李微雪教授團隊通過先進的人工智能（AI）算法,，揭示了金屬-載體相互作用的本質。該團隊收集了25種金屬和27種氧化物的實驗數據,，然后應用一種可解釋性AI算法,，從材料的基本性質出發(fā)，將材料已知的物理化學參數迭代地通過數學組合,，構建一個由300億個表達式組成的候選空間,，基于壓縮感知原理，從300億個表達式中得到一個能再現所有實驗數據的方程,。成功建立了“金屬-載體相互作用"與材料性質之間的本征控制方程,。這項研究工作展示了可解釋性AI算法的巨大潛力。

3,、DSR助力催化劑篩選實驗落地

AI技術賦能催化劑篩選研究,，讓技術理論探索的過程不再曲折，儀器實驗讓理論落地生根,。

DSR旋轉圓盤圓環(huán)電極作為一款精良好用的電化學儀器,，具有“數字型、一體化,、‘狠’穩(wěn)定"的特點,，適用于：氫燃料電池催化劑研究及評價,、鋰空氣電池研究、電化學動力學研究,、ORR/OER/HER/CO2RR研究,、緩蝕劑評價及研究、金屬材料腐蝕電位研究等,。

通過DSR旋轉圓盤圓環(huán)電極裝置對AI催化劑篩選評價實驗檢驗,，尋找具有市場前景的催化劑結構和材料，實現商業(yè)化應用,。