加速催化劑設計，上海交大賀玉蓮課題組基于 AutoML 進行知識自動提取

AIGC動態歡迎閱讀

原標題：加速催化劑設計，上海交大賀玉蓮課題組基于 AutoML 進行知識自動提取
關鍵字：催化劑,特征,模型,合金,反應
文章來源：HyperAI超神經
內容字數：8428字

內容摘要：

作者：梅菜
編輯：李寶珠，三羊
上海交通大學密西根學院助理教授賀玉蓮課題組，針對確定決定Eads的關鍵物理量提出了一種新方法，即基于自動機器學習 (AutoML) 的特征刪除實驗，從高通量密度泛函理論 ( density functional theory, DFT) 數據庫中實現了知識的自動提取。日常生活中，「催化」是最為常見的化學反應之一。比如，釀酒釀醋的本質，就是糧食中的淀粉在微生物酶的催化作用下，轉變成酒精和醋酸的過程。
用更為學術的說法——在化學反應里能改變反應物反應速率（既能提高也能降低）而不改變化學平衡，且本身的質量和化學性質在化學反應前后都沒有發生改變的物質叫催化劑。
化學工業中，85% 以上的過程都依賴催化劑加快反應速率，設計新型高效催化劑對整個產業的重要意義不言而喻，其中，理解和確定最佳催化劑的過程中，有一個最具信息量的特征，即催化劑表面反應物的化學吸附能量 Eads。化學反應內在十分復雜，這也使得明確決定 Eads 的關鍵物理量存在顯著困難。
近日，上海交通大學密西根學院助理教授賀玉蓮課題組，在國際綜合性頂級期刊《美國國家科學院院刊》 (Proceedings o

原文鏈接：加速催化劑設計，上海交大賀玉蓮課題組基于 AutoML 進行知識自動提取

聯系作者

文章來源：HyperAI超神經
作者微信：HyperAI
作者簡介：解構技術先進性與普適性，解讀更前沿的 AIForScience 案例