近日
，资料基因组工程钻研院欧阳润海与中国科学技术大学李微雪教授课题组合作
，在《Science》期刊颁发催化领域可诠释机械进建突破性钻研成就。中国科学技术大学李微雪教授为通讯作者
，博士生王泰然和胡建钰及亿万先生MR资料基因组工程钻研院欧阳润海为共同第一作者。

科学发现往往是先从数据累积起头
，而后找出数据间的函数依赖关系或模型
，最后提炼出能诠释这些数据的单一道理。“AI for Science”时期的到来为加快科学发现提供了新机缘。然而
，迄今为止
，对于真实世界的未知问题
，人们一向心存疑虑：人为智能是否能够成立正确的、可推导的、拥有强烈物理意思的简洁公式
，并助力提出通常性科学法规？

钻研团队利用前沿可诠释机械进建符号回归算法SISSO
，以催化领域金属/氧化物界面相互作用（MSI）强度为钻研对象
，从模型成立到物理意思分析、到公式推导验证、到最后提出决定催化领域驰名尝试景象“强金属-载体相互作用”（SMSI）的通常性判据道理
，强有力地正面回覆了以上问题。

钻研团队汇总了多篇文件中的大量尝试数据
，从资料的根基性质启程
，利用SISSO算法构建了多达300亿个数学表白式的特点空间
，并基于压缩感知道理进行稀少求解
，结合领域知识和理论推导
，最终为MSI成立了一个物理图像清澈、数值正确的节造方程。这一方程突破性地蕴含了金属-金属相互作用这一关键新物理量
，揭示了其对载体效应的调控作用及金属-载体相互作用的性质

；谝陨戏治
，钻研团队进一步提出了决定催化领域SMSI尝试景象的通常性判据道理。该判据道理拥有很强的预测能力
，迄今为止已报路的险些所有金属/氧化物SMSI尝试景象都可能纳入到该框架内
，解决了困扰该领域几十年的科学难题。

这些钻研成就将助力于高活性、高选择性、高不变性催化剂的优化设计
，有望加快新催化资料和新催化反映的发现
，推动能源、环境和资料的绿色升级
，助力社会的可持续发展。同时
，该工作展示了人为智能在催化、化学和资料科学中的巨大潜力
，为AI钻研新范式若何刷新天然科学钻研提供了全新视角。通过人为智能技术
，科学家们可能更急剧、更正确地从重大的科学尝试数据中挖掘出潜在的数学模型
，为解决持久未解的科学难题提供新的思路。

资料基因组工程钻研院欧阳润海2013年博士毕业于中国科学院大学（大连化物所）
，师从催化界国际驰名的理论学家李微雪教授
，持久主导开发原创AI算法-SISSO。该算法始于欧阳润海在德国马普FHI钻研所NOMAD尝试室博士后钻研
，后在亿万先生MR欧阳博士课题组及国际上其他课题组持续拓展
，已成为资料和化学领域符号回归可诠释机械进建主流步骤之一。有关沉要功夫节点如下所示：

论文信息：

Tairan Wang, Jianyu Hu, Runhai Ouyang, Yutao Wang, Yi Huang, Sulei Hu, and Wei-Xue Li, Nature of metal-support interaction for metal catalysts on oxide supports. Science 386, 915-920(2024)

DOI: 10.1126/science.adp6034

https://www.science.org/doi/10.1126/science.adp6034