加速催化剂设计，上海交大贺玉莲课题组基于 AutoML 进行知识自动提取

AIGC动态欢迎阅读

原标题：加速催化剂设计，上海交大贺玉莲课题组基于 AutoML 进行知识自动提取
关键字：催化剂,特征,模型,合金,反应
文章来源：HyperAI超神经
内容字数：8428字

内容摘要：

作者：梅菜
编辑：李宝珠，三羊
上海交通大学密西根学院助理教授贺玉莲课题组，针对确定决定Eads的关键物理量提出了一种新方法，即基于自动机器学习 (AutoML) 的特征删除实验，从高通量密度泛函理论 ( density functional theory, DFT) 数据库中实现了知识的自动提取。日常生活中，「催化」是最为常见的化学反应之一。比如，酿酒酿醋的本质，就是粮食中的淀粉在微生物酶的催化作用下，转变成酒精和醋酸的过程。
用更为学术的说法——在化学反应里能改变反应物反应速率（既能提高也能降低）而不改变化学平衡，且本身的质量和化学性质在化学反应前后都没有发生改变的物质叫催化剂。
化学工业中，85% 以上的过程都依赖催化剂加快反应速率，设计新型高效催化剂对整个产业的重要意义不言而喻，其中，理解和确定最佳催化剂的过程中，有一个最具信息量的特征，即催化剂表面反应物的化学吸附能量 Eads。化学反应内在十分复杂，这也使得明确决定 Eads 的关键物理量存在显著困难。
近日，上海交通大学密西根学院助理教授贺玉莲课题组，在国际综合性顶级期刊《美国国家科学院院刊》 (Proceedings o

原文链接：加速催化剂设计，上海交大贺玉莲课题组基于 AutoML 进行知识自动提取

联系作者

文章来源：HyperAI超神经
作者微信：HyperAI
作者简介：解构技术先进性与普适性，解读更前沿的 AIForScience 案例