💡
原文中文，约2500字，阅读约需6分钟。
📝
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。
🎯
关键要点
-
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。
-
该范式结合了预训练模型、集成学习和主动学习，能够预测未被发现的钙钛矿氧化物。
-
通过筛选16,050种成分，研究团队鉴定和合成了36种新的钙钛矿氧化物，包括13种纯钙钛矿结构。
-
PSCF和PSCFM在10 mA cm^-2时分别表现出327 mV和315 mV的低过电位。
-
该研究为加速发现和开发高性能钙钛矿氧化物电催化剂铺平了道路。
-
当前材料发现方法效率低下，传统的材料发现依赖反复试验或偶然发现。
-
AI在发现新型催化剂方面潜力巨大，但受到算法选择和数据质量的影响。
-
研究提出了一种以钙钛矿氧化物电催化剂的阳离子信息为中心的迁移学习范式。
-
该方法通过集成不同子簇衍生的模型，显著提高了预测准确性。
-
研究人员对候选材料进行了实验验证，初步评估证实了PSCF的过电位为327 mV。
-
主动学习策略的结合将预测能力扩展到更复杂的六元材料系统，验证了模型的可靠性。
-
研究表明，迁移学习和主动学习在克服数据限制和准确预测OER催化剂方面有效。
➡️
