第一性原理与可解释AI协同设计HER/ORR催化剂

将第一性原理计算与机器学习融合的策略已取得显著成就，为快速精确预测化学物理性质及虚拟设计材料奠定了基础。然而，这类技术常被视作“黑箱”，侧重于追求高精度却忽视模型得出预测结果的具体逻辑。引入机器学习的可解释性不仅能改善这一现状，还能挖掘材料化学与物理学的新见解。因此，下一代模型必须通过嵌入可解释人工智能（XAI）工具来确保可解释性。特别是机器学习辅助的材料发现与设计，能从XAI中获益匪浅。开启解释机制能增强方法的影响力，不仅给出候选材料列表，还能阐明材料为何优于他者。基于此，本文以产氢和发电用的非均相催化