理解在各種環境和條件下的界面、界面相、體相等活性相對于開發先進的異相催化劑非常關鍵。通過理論模型描述這些相面臨著許多挑戰，包括各種原子結構的生成和計算。
有鑒于此，廈門大學李劍鋒教授、鄭世勝、北京大學潘鋒教授等報道一種自動高效探索活性相的框架。
本文要點：
（1）
這種理論計算框架利用拓撲算法的優勢，能夠持久性和同源性的系統采樣，對材料的不同配位環境和形貌系統采樣。
并且高效機器學習力學場能夠實現快速的計算。作者在兩個體系中進行計算，展示了這種框架的高效應用：分別是Pd上的氫吸附，其中氫能夠滲透到Pd的次界面和體相，包括“hex”重構用于CO2電化學還原，對50,000個樣品結構進行探索；
Pt簇的動態氧化，其中氧摻入導致簇在ORR反應中的活性降低，對100,000個樣品進行研究。
（2）
在兩個體系中，預測的活性相以及對催化反應機理的影響與以往報道的實驗結果相符。這項研究結果提出的策略能夠對復雜催化體系進行建模，探索特定環境下的活性相。
參考文獻
Zheng, S., Zhang, XM., Liu, HS. et al. Active phase discovery in heterogeneous catalysis via topology-guided sampling and machine learning. Nat Commun 16, 2542 (2025).
DOI: 10.1038/s41467-025-57824-4
https://www.nature.com/articles/s41467-025-57824-4
