6月3日，化学与材料科学学院毛俊杰教授/刘研博士团队与合作者在《Nature Communications》期刊发表题为“The geometric-electronic coupled design of diatomic catalyst towards oxygen reduction reaction”的研究论文。化学与材料科学学院青年教师刘研、硕士研究生杨妍、北京化工大学博士研究生林宣伲为论文共同第一作者，中国科学技术大学江俊/卓之问、北京化工大学刘栋以及安徽师范大学毛俊杰为论文共同通讯作者，安徽师范大学为第一通讯单位。

双原子催化剂是多相催化的理想选择，但其合理设计面临着众多可选元素和影响其性能的相关参数变化的挑战。该研究通过机器学习驱动的催化“热点图”，展示了双原子催化剂用于氧还原反应(ORR)的几何-电子耦合设计策略，为催化剂的综合设计提供了研究范式。

基于密度泛函理论–机器学习–实验一体化方法的工作流程图

研究人员基于机器学习方法成功预测了高活性ORR催化，并通过实验验证了这一结果。此外，该研究通过机器学习解耦几何和电子参数对ORR催化剂的影响，构建了催化“热点图”。在该热点图中，几何参数dM1-M2和电子参数MagM1被确定为调控活性中心原子催化性能的两个关键描述符。值得注意的是，催化"热点图"显示的高活性区域呈现明显的局域化特征，验证了几何-电子耦合设计在双原子体系的有效性。这种设计将多特征融合的机器学习预测简化为仅需调控两个关键描述符的协同优化过程。

该研究不仅成功实现了ORR催化剂的高效预测，更重要的是建立了综合考虑几何与电子因素的催化剂耦合设计新范式。