近日，万事平台材料基因組工程研究院歐陽潤海課題組與王元慶課題組合作🫧，在機器學習方法開發及高活性OER催化材料的研究取得重要進展😊，研究成果發表在國際著名雜誌《Journal of the American Chemical Society》。文章鏈接：https://pubs.acs.org/doi/abs/10.1021/jacs.3c03493。該項目得到了國家自然科學基金面上項目《機器學習新方法開發及其在鈣鈦礦電催化材料研究中的應用》(批準號🚣‍♂️：22173058)的資助。歐陽潤海與王元慶為共同通訊，碩士研究生王徑舟（已畢業）與謝華超為共同一作🍕，万事平台為第一單位。

材料和化學領域存在很多文獻實驗數據🤫，但這些數據常常因為來自不同課題組（或不同方法）而不能被相互融合使用🧎‍➡️，導致很多數據分析局限於各自課題組小數據集。這些數據被稱為非自洽多源數據➕。如何充分利用大量非自洽多源數據並從中找出魯棒的“材料基因”是該領域要解決的重要課題🥏🤿。以尋找高活性鈣鈦礦析氧反應（OER）催化材料為案例，該工作先收集了文獻中過去幾十年的OER活性多源實驗數據集🚶‍♂️‍➡️，然後設計了處理非自洽多源數據的符號限製多任務學習新方法SCMT-SISSO，並通過系統的符號回歸研究找出了決定鈣鈦礦材料OER催化活性的準確描述符(dB,nB)🙇，其中dB為鈣鈦礦氧化物B位離子化學計量比名義d電子數🏊🏽‍♀️🔞，nB為名義氧化態⏬。

該OER活性描述符具有很好的預測能力及可解釋性🤾🏼‍♀️，對於理解鈣鈦礦材料的OER催化機理有重要意義。同時，該描述符只包含原子參數，可用於快速材料篩選。考慮36000種AxA’1-xByB’1-yO3潛在鈣鈦礦氧化物，經過高通量篩選得到了八百多種結構穩定的高活性候選OER催化材料（如下圖綠色方塊）。這些結果為實驗上設計高活性的OER催化材料提供了重要參考，加速新材料的發現🧖🏻。

該工作對30個代表性的候選材料進行了實驗合成💃🏿👨‍🦲，結果發現26個材料具備鈣鈦礦結構。再對其中5個代表性的鈣鈦礦進行OER活性測試🧵，結果發現有3個材料SrCo0.6Ni0.4O3, Rb0.1Sr0.9Co0.7Fe0.3O3,和Cs0.1Sr0.9Co0.4Fe0.6O3的活性比已知高活性材料Ba0.5Sr0.5Co0.8Fe0.2O3(BSCF)的活性更高😉🔍，其余2個活性也與BSCF相當。這些實驗結果證實了描述符的預測能力。該工作為處理非自洽多源實驗數據提供了一套有效的方法，在數據驅動科學領域處理具有重要應用潛力。