新材料开发的传统方法主要依赖于试错策略，这不仅耗时且昂贵，而且在很大程度上取决于实验者的物理化学直觉。此外，随着材料的多样性和复杂性的增长，第一性原理计算变得越来越耗时和昂贵，制约了新材料的研发进程。机器学习，是一种自动数据分析模型，能够根据大量已知数据预测目标的属性。近年来，机器学习在材料科学中得到了广泛的应用，特别是在加速材料发现和材料应用方面。
一、机器学习加速钙钛矿材料的发现和应用
钙钛矿材料因其卓越的性能而广受赞誉，如优异的铁电性、高光吸收、出色的导电性、可调带隙和优异的长程电荷载流子迁移率。这些特性使其在激光器、发光二极管、太阳能电池、光电探测器和催化剂等各种应用中得到了广泛的应用。近日，beat365在线登录平台赵强教授、陈冰教授团队对机器学习在钙钛矿材料中的工作框架和实际应用进行归纳总结。该成果以“From Formability to Bandgap: Machine Learning Accelerates the Discovery and Application of Perovskite Materials”(《从可成形性到带隙：机器学习加速钙钛矿材料的发现和应用》)为题，发表在国际知名学术期刊《ACS Nano》上。
该论文系统探讨了机器学习的工作框架，钙钛矿材料的种类以及庞大的化学空间，机器学习预测可形成性以及带隙加速钙钛矿材料发现，机器学习促进钙钛矿材料在光电探测器，LEDs，太阳能电池，催化剂的实际应用。这些见解可以启发研究人员开发新颖有效的策略，以准确识别金属单原子和团簇的转变。强调了当前面临的挑战和内在局限性，并提出了相关的未来研究趋势：包括建立标准化的筛选标准；需要扩大机器学习在钙钛矿材料中的应用；验证机器学习预测并评估其实际部署的可扩展性；开发能够预测不同类型的钙钛矿性质的综合性机器学习模型。这些见解可以启发研究人员开发新颖有效的策略，以便促进钙钛矿材料的未来发展。
图1. 机器学习加速钙钛矿材料的发现和应用。
图2. 机器学习工作流程。
我院为第一通讯单位，该工作第一作者/通讯作者为南京邮电大学beat365在线登录平台王始彦老师，陈冰教授、赵强教授为共同通讯作者。该工作得到国家自然科学基金面上项目，江苏省高校自然科学基金、江苏省碳达峰中和科技创新专项资金，南京邮电大学高水平人才启动基金等项目资助。
原文链接：https://doi.org/10.1021/acsnano.5c07494
二、机器学习加速电化学反应中单原子催化剂的设计与发现
单原子催化剂（Single-atom catalysts, SACs）是多相催化领域的一个新前沿，因其独特的电子结构、100%的原子利用率、出色的催化性能和显著的选择性而受到广泛关注。近日，beat365在线登录平台赵强教授、王龙禄教授团队对机器学习在SACs应用方面的工作框架，以及其在四种重要电催化反应中的应用进行归纳总结。该成果以“Machine learning accelerates the design and discovery of single-atom catalysts for electrochemical reactions”为题发表在Journal of Energy Chemistry期刊上。
本论文聚焦机器学习在SACs发现、开发与合理设计中的最新研究进展。第一部分总结并分析了机器学习应用于SACs研究的最新趋势。在第二部分中，主要介绍了SACs中ML的系统工作流程。在第三部分中，介绍了关键催化反应中SACs的ML应用，包括CORR/CO2RR、HER、NRR和ORR/OER。第四部分探讨了机器学习应用在SACs发现和设计中的关键挑战和未来方向。
图1. 机器学习单原子催化剂的发展进程。
图2. 机器学习算法的分类及其应用。
计算技术的快速演进，加之对先进材料日益严苛的性能要求，正使机器学习成为材料科学领域具有变革性的方法论。随着机器学习技术不断成熟，其角色正从辅助工具向材料发现范式的基础组成部分转变。这种范式转变使研究人员能够高效探索复杂的材料设计空间，揭示非直观的结构-性能关系，并加速将基础洞见转化为功能性材料。展望未来，机器学习与传统材料研究方法的融合，必将从根本上重塑从储能到量子材料等多元应用领域的发现工作流程，使其成为21世纪材料创新不可或缺的组成部分。
我院为第一通讯单位，该工作第一作者/通讯作者为南京邮电大学beat365在线登录平台王始彦老师，王龙禄教授、赵强教授, 淮北师范大学马东伟教授为共同通讯作者。该工作得到国家自然科学基金面上项目，江苏省高校自然科学基金、江苏省碳达峰中和科技创新专项资金，南京邮电大学高水平人才启动基金等项目资助。
原文链接: https://doi.org/10.1016/j.jechem.2025.11.031
（撰稿：王始彦 编辑：徐伟 审核：谌静）
