模型不需要理解整个结构，只需要理解局部原子环境的物理特性，EMLP能够像DFT一样真正描述原子间相互作用。
催化研究领域，密度泛函理论（DFT）数十年来一直是揭示催化反应微观机理的核心工具。然而，随着研究的深入，DFT的计算瓶颈日益凸显，其计算成本随体系规模呈指数级增长，使得研究大型复杂体系或探索动态反应网络变得不切实际。虽然经典力场方法计算成本较低，但在定量精度和普适性方面远不及量子力学方法。
神经网络机器学习势函数（MLPs）的出现开始缓解这一矛盾（图1），能够在保持DFT级精度的同时实现接近经典力场的计算效率。但当前的MLP方法存在一个根本性局限——它们通常“系统依赖”，即只能在训练时见过的特定结构体系上表现良好。bv1946伟德国际始于英国这就像是一个只会解答特定题目的学生，遇到新问题就束手无策。
2025年9月23日，上海科技大学/英国贝尔法斯特女王大学胡培君、上海科技大学谢闻博团队在Nature Catalysis期刊发表题为“General reactive element-based machine learning potentials for heterogeneous catalysis”的研究论文，开发了一种革命性的元素级机器学习势函数（EMLP），通过独特的随机探索虚拟化学优化（REICO）采样策略（图2），打破了这一局限。该方法不再依赖特定的结构或反应路径，而是专注于学习元素间的基本相互作用，从而实现了真正的普适性和反应性预测能力。
该研究提出了随机探索虚拟化学优化（REICO）采样策略，彻底改变了传统机器学习势函数的训练数据生成方式。与传统方法依赖特定表面结构或反应路径不同，REICO通过完全随机采样来构建训练数据集，生成包含随机晶胞参数、原子数量和元素比例的虚拟化学结构。这种方法使训练数据完全脱离结构空间的限制，专注于原子间相互作用的多样性本质。
开发了元素级机器学习势函数（EMLP）新架构，其核心创新在于仅需要知道涉及元素即可构建模型，无需任何领域专业知识。bv1946伟德国际始于英国通过多阶段选择方案，从数百万随机结构中精选出最具代表性的数据点，确保了训练集既包含随机结构的多样性，又涵盖稳定结构的合理性。
EMLP展现了前所未有的普适性预测能力，能够准确处理训练时未见过的任意结构体系。在二聚体扫描测试中，EMLP精确预测了各种元素组合的相互作用；在分子动力学模拟中，其轨迹与DFT参考高度一致；在复杂催化反应网络中，EMLP成功预测了从简单表面到特殊表面的各种反应能垒和焓变。
实现了固液气多相体系的统一精确描述，超越了传统MLP的应用局限。研究证明EMLP不仅能准确预测多相催化反应，还能可靠模拟有机化学反应、表面动力学和液相环境，展示了其真正的通用性和跨领域应用潜力。
相比传统方法，REICO-EMLP框架具有显著的计算效率优势，仅需要约10,000个结构/元素的训练数据即可达到优异性能。这种modest的CPU和GPU需求使该方法具有广泛的可及性，bv1946伟德国际始于英国为大规模推广应用奠定了基础。
研究团队构建了针对Pd-Ag催化剂与含C/H/O物种相互作用的Ag-Pd-C-H-O五元素EMLP。该势函数仅基于元素信息，无需预设反应路径或特定结构，即能实现与密度泛函理论（DFT）相媲美的定量精度。测试表明，其在能量和力预测上的误差显著低于MACE-mp、EquiformerV2和M3GNet等现有主流基础模型。通过与传统分子动力学（MD）采样数据的对比，REICO生成的数据集不仅涵盖了MD样本的所有区域，还在能量和局部原子环境方面实现了显著扩展。这种随机采样方法有效避免了传统方法因过度依赖稳定金属结构的周期性对称性而导致的过拟合问题。
二聚体扫描测试：对所有元素组合的二聚体相互作用预测与DFT结果高度吻合，准确捕捉了短程排斥作用和原子分离时的力变化趋势。
大分子吸附：对包含364个原子的PTCDA分子在Ag(111)表面的弛豫，EMLP精确预测了吸附构型和分子-表面距离。
CO氧化：在多种Pd和Pd/Ag表面（包括简单晶面、孪晶界、纳米棒及单原子催化剂）上，bv1946伟德国际始于英国EMLP均能准确预测反应能垒和焓变。
表面覆盖效应：成功预测了清洁Pd(111)和氢覆盖Pd(111)表面的乙炔加氢反应路径，与DFT结果高度一致。
复杂反应网络：对费-托合成过程中从C1到C6的21个基元步骤，EMLP完整复现了DFT计算的能量曲线%。
图7. 对具有覆盖效应的各种钯基表面上C2H2氢化（氢原子逐步添加到C2H2中形成C2H6）的反应预测。
有机反应标准测试：对Baker和Chan提出的标准测试反应，EMLP预测的活化能和反应焓与DFT值偏差仅0.1-0.2 eV。
溶液体系结构：对液态甲醇的径向分布函数模拟成功复现了氢键网络等关键结构特征。
这项研究代表了机器学习势函数发展的范式转变：构建多相催化MLP不再仅仅是一个回归问题，而根本上是一个采样问题。通过REICO采样策略，研究团队成功地将训练集构建与传统的有意义结构概念分离，专注于生成多样化和代表性的局部原子环境。
EMLP 的卓越性能体现在： 1 ）在目标元素领域内实现了普适性和反应性的平衡； 2 ）能够准确预测任意结构的能量和力； 3 ）在复杂催化反应网络中保持高度一致性； 4 ）超越多相催化的广泛应用能力。
2. 将自旋态、磁性、长程相互作用和外部场等更复杂的化学信息纳入EMLP框架，拓展其应用范围？
1. 版权：推送内容仅供学习交流分享使用，无任何商业用途，如有侵权，bv1946伟德国际始于英国请联系后台删除或修改，感谢支持。
2. 投稿：非常欢迎各位老师在公众号上介绍课题组前沿或经典研究成果！后台或邮箱联系即可！
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
网友质疑“为何当时没报案”，遭老板性侵当事人怒怼“管得着吗”：多久报案是我的权利
网红发文悼念去世婆婆，称她吃了邻居送的蘑菇中毒，抢救4天4夜无效，村民：两家关系很好，不是第一次送了
“我宁愿服老鼠药也不为这个国家服务”网友称直播间购买英文童装翻译后震惊了，网友：带英文的都要翻译一下
独家｜浙江娃哈哈饮用水有限公司销售权被“夺”，订单被转至宏胜饮料孙公司
《编码物候》展览开幕 北京时代美术馆以科学艺术解读数字与生物交织的宇宙节律
官方微信
官方微博
