本研究提出了一种基于符号回归的方法，成功识别出12种用于电催化的酸稳定氧化物，仅需30次迭代。该方法通过精确预测和不确定性量化，降低了遗漏潜力材料的风险。

本文介绍了一种结合生成式人工智能和知识图谱的方法，以加速高CO2容量金属有机框架（MOFs）的发现。研究构建了MOF知识图谱，并开发了自然语言接口以提高查询的可访问性。通过基于图的卷积神经网络和迁移学习，优化了气体吸附性能和电催化材料设计，展示了新材料发现的潜力。