近日，8188威尼斯娱人城材料基因组工程研究院欧阳润海课题组与王元庆课题组合作，在机器学习方法开发及高活性OER催化材料的研究取得重要进展，研究成果发表在国际著名杂志《Journal of the American Chemical Society》。文章链接：https://pubs.acs.org/doi/abs/10.1021/jacs.3c03493。该项目得到了国家自然科学基金面上项目《机器学习新方法开发及其在钙钛矿电催化材料研究中的应用》(批准号：22173058)的资助。欧阳润海与王元庆为共同通讯，硕士研究生王径舟（已毕业）与谢华超为共同一作，8188威尼斯娱人城为第一单位。
材料和化学领域存在很多文献实验数据，但这些数据常常因为来自不同课题组（或不同方法）而不能被相互融合使用，导致很多数据分析局限于各自课题组小数据集。这些数据被称为非自洽多源数据。如何充分利用大量非自洽多源数据并从中找出鲁棒的“材料基因”是该领域要解决的重要课题。以寻找高活性钙钛矿析氧反应（OER）催化材料为案例，该工作先收集了文献中过去几十年的OER活性多源实验数据集，然后设计了处理非自洽多源数据的符号限制多任务学习新方法SCMT-SISSO，并通过系统的符号回归研究找出了决定钙钛矿材料OER催化活性的准确描述符(dB,nB)，其中dB为钙钛矿氧化物B位离子化学计量比名义d电子数，nB为名义氧化态。
该OER活性描述符具有很好的预测能力及可解释性，对于理解钙钛矿材料的OER催化机理有重要意义。同时，该描述符只包含原子参数，可用于快速材料筛选。考虑36000种AxA’1-xByB’1-yO3潜在钙钛矿氧化物，经过高通量筛选得到了八百多种结构稳定的高活性候选OER催化材料（如下图绿色方块）。这些结果为实验上设计高活性的OER催化材料提供了重要参考，加速新材料的发现。
该工作对30个代表性的候选材料进行了实验合成，结果发现26个材料具备钙钛矿结构。再对其中5个代表性的钙钛矿进行OER活性测试，结果发现有3个材料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个活性也与BSCF相当。这些实验结果证实了描述符的预测能力。该工作为处理非自洽多源实验数据提供了一套有效的方法，在数据驱动科学领域处理具有重要应用潜力。
