厦大团队材料预测迁移学习范式登Nature子刊，发现高性能催化剂
内容提要
厦门大学、深圳大学、武汉大学、南京航空航天大学和英国利物浦大学的研究团队开发了一种迁移学习范式，能够预测未被发现的钙钛矿氧化物，并增强该反应的通用性。通过筛选 16,050 种成分，鉴定和合成了 36 种新的钙钛矿氧化物，其中包括 13 种纯钙钛矿结构。该研究为加速发现和开发用于该反应的高性能钙钛矿氧化物电催化剂铺平了道路。
延伸解读
迁移学习如何突破数据瓶颈
钙钛矿氧化物析氧反应数据稀缺，传统机器学习受限于数据质量和数量。该研究通过迁移学习，将非析氧反应钙钛矿数据纳入预训练，使数据集从94条扩展到140条，增幅48.9%。这种跨领域知识迁移策略，为小样本材料预测提供了可行路径，也提示数据整合比单纯增加算法复杂度更关键。
主动学习闭环提升预测可靠性
研究采用主动学习策略，从超过500万个预测点中筛选候选材料进行实验验证，并将验证结果反馈至下一轮训练。例如，PSCF的预测过电位为340.81 mV，实验测得327 mV；PSCFM预测302.92 mV，实验为315 mV。这种闭环迭代有效缩小了预测与实验的差距，尤其适用于六元复杂体系。
实验验证与机制解释
研究合成了36种新钙钛矿氧化物，其中13种为纯钙钛矿结构。PSCF和PSCFM在10 mA cm^-2下过电位分别为327 mV和315 mV。电化学测量表明，两种材料中吸附质演化机制和晶格氧机制共存。DFT计算进一步揭示，Mn掺杂可增强Co位点稳定性，并通过晶格氧机制降低反应势垒。
Q&A
厦大团队的迁移学习范式有什么创新之处？
该范式结合了预训练模型、集成学习和主动学习，能够有效预测未被发现的钙钛矿氧化物，增强反应的通用性。
研究团队筛选了多少种成分，发现了多少种新的钙钛矿氧化物？
研究团队筛选了16,050种成分，鉴定和合成了36种新的钙钛矿氧化物。
PSCF和PSCFM在电催化性能上表现如何？
PSCF和PSCFM在10 mA cm^-2时的过电位分别为327 mV和315 mV，表现出较低的过电位。
迁移学习范式的步骤有哪些？
该范式包括数据提取、阳离子编码、特征嵌入、聚类、局部预测、全局集成和主动学习闭环实验验证。
研究中提到的主动学习策略有什么作用？
主动学习策略扩展了预测能力，能够处理更复杂的六元材料系统，提高了预测准确性。
钙钛矿氧化物在电催化中的应用有什么重要性？
钙钛矿氧化物在析氧反应中起着关键作用，是实现碳中和的重要一步。
