综述：机器学习方法用于水分解电催化剂设计：绿色氢气生产综述

《Frontiers in Chemistry》：Machine learning approaches for electrocatalyst design in water splitting: a review for green hydrogen production

　　

通过水分解生产绿色氢气需要高效电催化剂，但当前基于试错的合成或发现耗时、昂贵且资源密集。机器学习（ML）提供了一种强大的、数据驱动的替代方案，能够以数量级的速度对大化学空间中的复杂结构-活性关系进行建模。本综述系统地概述了机器学习在电催化剂研究和开发应用中的生命周期。首先，总结了氢析出反应和氧析出反应的热力学和动力学原理，以及一些被广泛采用和接受的活性描述符。然后，研究人员探索了数据源、特征化方法和算法，并讨论了模型空间，从简单的可解释模型到图神经网络再到生成模型，在机器学习工具包的背景下。讨论了战略应用，包括合金和单原子催化剂的高通量虚拟筛选，以及全水分解的多功能活性预测和操作条件下的稳定性优化。强调了新兴前沿话题，包括高熵合金、非晶材料，以及通过与密度泛函理论（DFT）集成将原子尺度理解与器件级性能联系起来。最后，讨论了数据稀缺、模型可解释性以及计算预测与工业实施之间的差异等问题，以及闭环发现和自驱动实验室的未来方向。将机器学习纳入电催化剂设计并将其与自主实验相结合，将彻底改变这一过程，从模拟到能源解决方案，大幅加速这一过程。

论文主体部分围绕机器学习（ML）在电催化剂设计中的应用展开，系统总结了从电化学基础到自主发现平台的完整框架。以下按原文小标题进行学术性总结：

**2 Electrochemical foundations and catalyst performance descriptors**
**2.1 Thermodynamics and kinetics of the hydrogen and oxygen evolution reactions**
电化学水分解通过阴极氢析出反应（HER）和阳极氧析出反应（OER）实现。HER在酸性介质中遵循Volmer-Heyrovsky或Volmer-Tafel机理，涉及质子吸附与脱附；碱性介质中水分子解离吸附增加动力学复杂性。氢吸附吉布斯自由能（ΔG_H）是关键热力学描述符，理想催化剂应使ΔG_H≈0 eV，此关系在HER火山图中体现。OER涉及四电子-四质子转移，通过中间体（OH、O、OOH）逐步反应，动力学迟缓，过电位通常为300–400 mV，成为性能限制步骤。

**2.2 Key performance metrics: from overpotential to durability**
评估催化剂活性需综合多种指标：过电位（η）为驱动特定电流密度所需的额外电压，典型值如Pt在HER中η≈20 mV，IrO₂在OER中η≈300–400 mV（10 mA cm^?2）。Tafel斜率反映反应动力学与速率决定步骤，如30、40、120 mV dec^?1分别对应Tafel、Heyrovsky、Volmer限制。交换电流密度（j₀）衡量本征电荷转移速率，Pt的j₀≈1 mA cm^?2。法拉第效率（FE）评估产物选择性，OER中需避免碳腐蚀与氯析出副反应。长期稳定性通过加速老化测试（如数千次循环或数百小时运行）评估，涉及活性位溶解、表面重构、颗粒团聚和载体腐蚀。

**2.3 Primer on major electrolyzer technologies and their catalyst demands**
不同电解槽技术对催化剂有特定要求：质子交换膜（PEM）电解槽在酸性（pH≈0–2）和高电流密度（1–4 A cm^?2）下运行，需耐酸稳定的OER催化剂（如IrO₂、RuO₂），但铱的稀缺性（年产量<9吨）成为瓶颈。碱性电解槽在浓KOH（pH≈14）中运行，可用非贵金属催化剂（如NiFe层状双氢氧化物），但存在碳酸盐沉淀和氢交叉问题。阴离子交换膜（AEM）电解槽结合两者优点，需碱性稳定膜和催化剂。直接海水电解面临氯腐蚀和副反应挑战，需高选择性和耐氯催化剂。

**2.4 Established activity descriptors and scaling relations**
Sabatier原理指出最佳中间体吸附强度。HER中以ΔG_H为主要描述符。OER中中间体OH、O、OOH的吸附能通过线性标度关系相互关联，ΔG_OOH≈3.2±0.2 eV + ΔG_OH，导致理论最小过电位（0.2–0.3 eV）难以突破。高熵合金（HEA）和单原子催化剂（SAC）通过多元局部配位环境有望打破标度关系，实现独立调控中间体吸附能。

**3 The machine learning toolkit for materials informatics**
**3.1 The catalyst data ecosystem: sources and curation**
ML模型性能依赖训练数据质量与多样性。数据来源包括计算（如DFT）和实验（如电化学测试）。高吞吐计算数据集如Open Catalyst 2020（OC20，约130万次DFT弛豫）和OC22（6.2万次DFT弛豫，专门针对OER）极大扩展了训练规模。实验数据因合成与表征协议差异而难以统一，需借助自然语言处理（NLP）从文献中提取。**3.1.1 Challenges in catalyst data quality, bias and reproducibility** 数据存在发表偏倚（成功案例多，失败案例少）、实验协议差异（电解液、pH、温度等不同）导致系统性不确定性。DFT数据集本身也存在泛函近似、超胞尺寸、收敛阈值等固有误差。不确定性量化方法（如贝叶斯优化、蒙特卡洛丢弃、高斯过程回归等）可提供概率置信区间。

**3.2 Featurization: representing catalysts for ML models**
特征化将催化剂物理化学性质编码为机器可读格式。方法包括基于元素性质（电负性、离子半径等）的分子描述符，以及基于晶体图的图神经网络（GNN）表示，其中原子为节点、化学键为边，无需手工特征。最优策略取决于材料类别：SAC需描述金属中心、配位环境和载体性质；HEA需表征局部化学环境分布。图卷积网络（如CGCNN、SchNet）可直接从原子结构学习表示，但可解释性较差。可解释特征化（如d带中心、配位数）虽牺牲预测能力，但物理意义明确。物理信息机器学习（PINN）将领域知识嵌入模型架构或损失函数。

**3.3 Algorithmic landscape: from simple models to deep networks**
算法选择需权衡准确性、可解释性、计算成本和数据需求。线性回归、支持向量机、决策树等简单模型适合快速可解释预测。随机森林、梯度提升机（如XGBoost）在中等数据集上表现优异。深度学习架构如卷积神经网络（CNN）可处理电子密度图，GNN（如消息传递神经网络、图注意力网络）直接操作原子结构，在吸附能预测中达到DFT级精度。生成模型（如变分自编码器VAE、生成对抗网络GAN、扩散模型）可学习晶体结构分布，实现逆设计。物理信息神经网络（PINN）嵌入领域知识，保持物理一致性。

**3.4 Critical comparison of machine learning approaches for electrocatalyst discovery**
经典ML（如随机森林、SVM）在较小数据集上表现良好，但依赖手工描述符，无法捕捉复杂原子相互作用。GNN可从晶体结构直接学习，预测吸附能，但需大量数据且为黑箱模型。PINN或混合ML-DFT框架可结合物理约束，提升外推能力，但实现复杂。

**3.5 Explainable artificial intelligence for catalyst design**
可解释人工智能（XAI）工具如SHAP和LIME可量化特征重要性（如d带中心、电负性、配位数），验证预测与电化学原理的一致性。GNNExplainer和注意力可视化可识别催化活性原子环境。符号回归方法可生成显式数学模型，连接传统描述符与深度学习。

**4 Strategic applications of ML across the catalyst lifecycle**
**4.1 Activity prediction and virtual screening**
ML模型可高通量虚拟筛选数百万候选材料，聚焦实验验证。**4.1.1 High-throughput discovery of novel alloys, perovskites, and SACs** 基于DFT训练的ML模型可预测HEA、钙钛矿氧化物和SAC的吸附能、形成能等性质。主动学习工作流迭代优化预测，减少DFT计算量。**4.1.2 Predicting multi-functional activity for overall water splitting** 多目标优化框架可同时预测HER和OER活性，识别双功能材料（如过渡金属磷化物和硫族化物），GNN可学习联合表示。

**4.2 Stability and durability forecasting**
ML模型预测降解机制（溶解、相变、表面重构）。**4.2.1 Modelling dissolution, phase transformation, and surface reconstruction** GNN学习晶体学与溶解电位关联，时间序列模型预测性能轨迹。高熵RuO₂在100 mA cm^?2下稳定运行1500小时，ML分析揭示多阳离子协同稳定活性位。**4.2.2 Limitations of static machine learning models for long-term stability prediction** 静态晶体图无法捕捉时间依赖的降解过程，需引入ML原子间势函数、时间图神经网络和PINN。

**4.3 Mechanistic insight and descriptor discovery**
**4.3.1 Uncovering hidden correlations and non-intuitive descriptors** 特征重要性分析揭示新描述符（如d带填充、局域电负性差异），超越传统单描述符。**4.3.2 Informing the design of materials to break scaling relations** ML识别打破标度关系的材料（如HEA、SAC），实现多个中间体独立优化，突破理论火山极限。

**4.4 Synthesis pathway optimization**
ML关联合成参数（温度、前驱体浓度、升温速率）与材料性能（形貌、粒径、缺陷密度）。贝叶斯优化高效探索高维合成空间。**4.4.1 Guiding the synthesis of predicted materials** 合成性预测模型过滤计算候选，自主合成平台（如机器人系统）执行ML推荐方案，实现闭环优化。

**4.5 Inverse design**
**4.5.1 Generative models for de novo catalyst design from target properties** 生成模型（VAE、GAN、扩散模型）学习稳定晶体结构分布，可条件生成具有目标性能（如ΔG_H）的新结构，探索未知化学空间，结合合成性预测器和自主合成平台实现理性设计。

**5 The closed loop: integrating ML with computation and experiment**
**5.1 The AI-guided workflow: prediction → validation → learning** 闭环流程包括：ML模型基于历史数据预测候选材料；实验验证并反馈结果；迭代更新模型。主动学习选择最具信息量的实验，DFT训练的ML代理模型可快速筛选数百万候选，多保真度优化循环结合速度与精度。

**5.2 Physics-informed neural networks: embedding domain knowledge** PINN将物理方程（如薛定谔方程、Poisson-Boltzmann关系、反应-扩散动力学）作为软约束嵌入损失函数，减少数据需求，提升外推能力。例如，预测溶解电位和Pourbaix边界时，嵌入Nernst方程和过渡态理论。

**5.3 Active learning and Bayesian optimization for efficient exploration** 主动学习平衡探索（高不确定性区域）和利用（预测最优区域），通过不确定性量化（如集成方法、贝叶斯神经网络、高斯过程）选择信息量最大的候选。贝叶斯优化适用于连续参数空间（合成条件、组成比），多目标贝叶斯优化可处理竞争目标（活性与成本、HER与OER性能），生成Pareto前沿。

**5.4 Toward autonomous (self-driving) laboratories**
**5.4.1 Robotic synthesis and high-throughput electrochemical testing** 机器人平台实现高精度合成（液体处理、加热控制、样品转移）和并行电化学测试（液滴池、多通道恒电位仪、光学筛选），自动提取性能指标并反馈ML模型，形成闭环。**5.4.2 Case studies of successful closed-loop discovery campaigns** 典型案例包括：自主系统发现光催化产氢催化剂（Burger et al.，2020）；CRESt平台结合多模态数据和贝叶斯优化发现多元素OER催化剂；AI-机器人化学家利用火星陨石自主合成并优化OER催化剂（Zhu et al.，2023），验证了闭环发现的可扩展性。

**6 Critical challenges and research frontiers**
**6.1 The data challenge: scarcity, bias, and the “small data” problem** 实验数据稀缺且存在发表偏倚，DFT计算成本高，实验室间测量差异大。解决方案包括FAIR数据原则、NLP自动提取、小数据方法（迁移学习、主动学习、物理信息正则化）。

**6.2 The transferability gap: from idealized models to real catalysts and devices** ML模型基于理想化表面（完美晶体、真空环境），难以预测实际催化剂在操作条件下的性能。缺陷、非晶结构、电解质效应、pH、电位、温度等引入复杂性。实验室与工业条件（电流密度差两个数量级）导致性能差异，需多尺度建模和器件级数据集成。

**6.3 Interpretability vs. performance: moving beyond the “black box”** 高精度模型（深度网络、GNN）缺乏可解释性，阻碍科学认知和设计规则提取。可解释模型（线性回归、决策树、符号回归）牺牲准确性。折中方案包括PINN、概念瓶颈模型（可解释中间表示），以及混合工作流（黑箱模型进行粗筛，可解释模型提取规则）。

**7 The next-generation of AI in electrocatalysis**
**7.1 Generative AI and foundation models for materials science** 基础模型（大规模预训练神经网络）可从数百万晶体结构学习通用表示，通过微调适用于特定任务（如HER活性预测、稳定性预测），解决数据稀缺问题。生成模型（VAE、扩散模型）可实现逆设计，条件生成具有目标性能的新材料。

**7.2 Multimodal learning: fusing spectroscopy, microscopy, and performance data** 多模态学习融合XRD、TEM、XPS、电化学测量等异构数据，学习联合表示。可预测长期稳定性、解决逆问题（从显微图像反推合成条件），并结合自然语言（语言模型提取文献知识），实现跨模态知识整合。

**8 Emerging AI technologies for autonomous catalyst discovery** 基础模型有望通过百万级晶体结构训练实现表示迁移；大语言模型（LLM）支持文献挖掘、假设生成、合成规划；自主实验室结合机器人、高通量实验、ML和贝叶斯优化；数字孪生结合物理仿真与实时反馈。路线图分为近期（2025–2028，建库、不确定性量化、可解释模型）、中期（2028–2032，主动学习、基础模型、多模态AI、自主实验室）、远期（2032后，全闭环自驱动平台）。

**9 Conclusion** 机器学习推动电催化剂发现从试错转向数据驱动预测范式。本综述统一了电化学原理、算法发展和自主发现平台，指出高效、耐用、低成本催化剂的设计需求。ML实现的高维空间虚拟筛选依赖数据基础设施、物理意义表示和可解释性平衡。从回归模型到GNN再到生成模型，已能设计超越传统标度关系的催化剂。闭环实验平台缩短设计-构建-测试周期，但数据稀疏、偏差和模型与操作行为差异仍存。生成式和多模态架构为逆设计和结构-性能关系建立提供新途径，最终导向预测性、自主化、可扩展的范式，推动绿色氢能技术发展。