数据科学和机器学习，催化研究的未来利剑

第一作者：Manu Suvarna

通讯作者：Javier Pérez-Ramírez

通讯单位：苏黎世联邦理工学

论文速览

本文综述了数据科学在催化研究中的应用，强调了催化剂发现和开发对全球能源、可持续性和医疗保健需求的重要性。过去十年中，数据科学概念在催化研究中的利用显著增加，以帮助解决这些问题。

文章全面回顾了催化研究者如何利用数据驱动策略解决多相、均相和酶催化中的复杂挑战。研究者将所有研究分为演绎型或归纳型模式，并统计推断催化任务、模型反应、数据表示和算法选择的普遍性。

文章突出了该领域的前沿和催化子学科之间的知识迁移可能性。关键评估揭示了实验催化中数据科学探索的明显差距，并通过详细阐述数据科学的四个支柱（即描述性、预测性、因果性和规范性分析）弥合这一差距。

文章提倡将这些分析方法纳入常规实验工作流程，并强调数据标准化对未来数字催化研究的重要性。

 

图文导读

 

图1：展示了过去十年数据驱动催化研究的增长趋势，特别是从2018年开始的指数增长。图中将催化问题解决使用机器学习（ML）的方法分类为演绎型和归纳型两种通用模式，其中演绎型任务旨在筛选或优化催化性能，而归纳型任务则侧重于通过描述符或活性位点识别来得出机理见解。

 

图2：网络图映射了基于催化类型（a）和驱动力（b）的演绎任务之间的关系。图中的节点表示显著实体的出版物计数，包括催化类型、驱动力、任务和数据源，节点之间的弧长与出版物之间的相互关系频率成正比。

   

图3：总结了催化领域主要的开源数据库，根据催化类型、数据源和它们所引发任务进行分类，并展示了这些数据库对FAIR（可发现、可访问、可互操作和可重用）原则的遵循程度。

   

图4：通过ML建立结构-属性-性能关系的图谱，展示了多相（a）、均相（b）和酶催化（c）中用于建立结构-属性关系的ML算法的使用情况。

   

图5：展示了催化中先进的AI框架，包括从文献中提取合成程序和催化属性的语言模型（a），主动学习用于探索特定催化剂的化学空间（b），使用GANs和VAEs等深度学习模型进行假想合金和配体的虚拟生成（c），以及深度强化学习用于优化催化表面或反应网络（d）。

   

图6：数据驱动催化的四个支柱示意图，包括描述性分析、预测性分析、因果性分析和规范性分析。

 

图7：展示了数据驱动催化的生命周期，包括描述性、预测性、因果性和规范性分析在实验催化工作流程中的应用。

 

图8：展示了将ML算法与表征工具集成的最新进展，包括深度学习在透射电子显微镜图像分析中用于自动化原子检测（a），以及结合XANES光谱学和ML方法用于改进多相催化剂的3D几何结构（b）。

总结展望

文章强调了数据科学和机器学习（ML）在催化研究中的前景，预示着这些技术将极大提高研究生产力。同时指出，尽管这些技术不会取代人类的直觉和专业知识，但它们应该被催化研究者们接受，并成为每个从业者工具箱的一部分。 文章呼吁催化从业者发展对数据驱动概念和建模策略的基础理解，并熟悉数据准备、算法适用性评估及其优势和局限性。同时，也鼓励数据科学家培养对催化的欣赏，有效地将催化过程的复杂性转化为数据科学问题，并理解实验限制。 文章展望了一个未来，其中数字工具无缝集成到催化研究中，加速实验设计、数据分析和新知识的创造，促进数据驱动的决策制定，助力解决催化研究中的一些重大挑战。

文献信息

标题：Embracing data science in catalysis research 期刊：Nature Catalysis .