編者語：

“模型不需要理解整個結(jié)構(gòu)，只需要理解局部原子環(huán)境的物理特性，EMLP能夠像DFT一樣真正描述原子間相互作用。”

01

背景介紹

催化研究領(lǐng)域，密度泛函理論（DFT）數(shù)十年來一直是揭示催化反應(yīng)微觀機(jī)理的核心工具。然而，隨著研究的深入，DFT的計算瓶頸日益凸顯，其計算成本隨體系規(guī)模呈指數(shù)級增長，使得研究大型復(fù)雜體系或探索動態(tài)反應(yīng)網(wǎng)絡(luò)變得不切實際。雖然經(jīng)典力場方法計算成本較低，但在定量精度和普適性方面遠(yuǎn)不及量子力學(xué)方法。

圖1. 用于材料模擬的機(jī)器學(xué)習(xí)方法

神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)勢函數(shù)（MLPs）的出現(xiàn)開始緩解這一矛盾（圖1），能夠在保持DFT級精度的同時實現(xiàn)接近經(jīng)典力場的計算效率。但當(dāng)前的MLP方法存在一個根本性局限——它們通?！跋到y(tǒng)依賴”，即只能在訓(xùn)練時見過的特定結(jié)構(gòu)體系上表現(xiàn)良好。這就像是一個只會解答特定題目的學(xué)生，遇到新問題就束手無策。

2025年9月23日，上?？萍即髮W(xué)/英國貝爾法斯特女王大學(xué)胡培君、上?？萍即髮W(xué)謝聞博團(tuán)隊在Nature Catalysis期刊發(fā)表題為“General reactive element-based machine learning potentials for heterogeneous catalysis”的研究論文，開發(fā)了一種革命性的元素級機(jī)器學(xué)習(xí)勢函數(shù)（EMLP），通過獨特的隨機(jī)探索虛擬化學(xué)優(yōu)化（REICO）采樣策略（圖2），打破了這一局限。該方法不再依賴特定的結(jié)構(gòu)或反應(yīng)路徑，而是專注于學(xué)習(xí)元素間的基本相互作用，從而實現(xiàn)了真正的普適性和反應(yīng)性預(yù)測能力。

圖2. 圖文總覽

02

核心創(chuàng)新

1.革命性采樣策略：REICO方法

該研究提出了隨機(jī)探索虛擬化學(xué)優(yōu)化（REICO）采樣策略，徹底改變了傳統(tǒng)機(jī)器學(xué)習(xí)勢函數(shù)的訓(xùn)練數(shù)據(jù)生成方式。與傳統(tǒng)方法依賴特定表面結(jié)構(gòu)或反應(yīng)路徑不同，REICO通過完全隨機(jī)采樣來構(gòu)建訓(xùn)練數(shù)據(jù)集，生成包含隨機(jī)晶胞參數(shù)、原子數(shù)量和元素比例的虛擬化學(xué)結(jié)構(gòu)。這種方法使訓(xùn)練數(shù)據(jù)完全脫離結(jié)構(gòu)空間的限制，專注于原子間相互作用的多樣性本質(zhì)。

2.元素級機(jī)器學(xué)習(xí)勢函數(shù)（EMLP）架構(gòu)

開發(fā)了元素級機(jī)器學(xué)習(xí)勢函數(shù)（EMLP）新架構(gòu)，其核心創(chuàng)新在于僅需要知道涉及元素即可構(gòu)建模型，無需任何領(lǐng)域?qū)I(yè)知識。通過多階段選擇方案，從數(shù)百萬隨機(jī)結(jié)構(gòu)中精選出最具代表性的數(shù)據(jù)點，確保了訓(xùn)練集既包含隨機(jī)結(jié)構(gòu)的多樣性，又涵蓋穩(wěn)定結(jié)構(gòu)的合理性。

3.卓越的普適性與反應(yīng)性

EMLP展現(xiàn)了前所未有的普適性預(yù)測能力，能夠準(zhǔn)確處理訓(xùn)練時未見過的任意結(jié)構(gòu)體系。在二聚體掃描測試中，EMLP精確預(yù)測了各種元素組合的相互作用；在分子動力學(xué)模擬中，其軌跡與DFT參考高度一致；在復(fù)雜催化反應(yīng)網(wǎng)絡(luò)中，EMLP成功預(yù)測了從簡單表面到特殊表面的各種反應(yīng)能壘和焓變。

4.多相體系的統(tǒng)一描述

實現(xiàn)了固液氣多相體系的統(tǒng)一精確描述，超越了傳統(tǒng)MLP的應(yīng)用局限。研究證明EMLP不僅能準(zhǔn)確預(yù)測多相催化反應(yīng)，還能可靠模擬有機(jī)化學(xué)反應(yīng)、表面動力學(xué)和液相環(huán)境，展示了其真正的通用性和跨領(lǐng)域應(yīng)用潛力。

5.計算效率與可及性

相比傳統(tǒng)方法，REICO-EMLP框架具有顯著的計算效率優(yōu)勢，僅需要約10,000個結(jié)構(gòu)/元素的訓(xùn)練數(shù)據(jù)即可達(dá)到優(yōu)異性能。這種modest的CPU和GPU需求使該方法具有廣泛的可及性，為大規(guī)模推廣應(yīng)用奠定了基礎(chǔ)。

圖3. REICO采樣、EMLP訓(xùn)練流程及應(yīng)用總結(jié)

03

圖文解析

1.開發(fā)了通用且高精度的EMLP勢函數(shù)

研究團(tuán)隊構(gòu)建了針對Pd-Ag催化劑與含C/H/O物種相互作用的Ag-Pd-C-H-O五元素EMLP。該勢函數(shù)僅基于元素信息，無需預(yù)設(shè)反應(yīng)路徑或特定結(jié)構(gòu)，即能實現(xiàn)與密度泛函理論（DFT）相媲美的定量精度。測試表明，其在能量和力預(yù)測上的誤差顯著低于MACE-mp、EquiformerV2和M3GNet等現(xiàn)有主流基礎(chǔ)模型。通過與傳統(tǒng)分子動力學(xué)（MD）采樣數(shù)據(jù)的對比，REICO生成的數(shù)據(jù)集不僅涵蓋了MD樣本的所有區(qū)域，還在能量和局部原子環(huán)境方面實現(xiàn)了顯著擴(kuò)展。這種隨機(jī)采樣方法有效避免了傳統(tǒng)方法因過度依賴穩(wěn)定金屬結(jié)構(gòu)的周期性對稱性而導(dǎo)致的過擬合問題。

圖4. 分析RECIO生成的數(shù)據(jù)集和二聚體掃描性能

2.在多項基準(zhǔn)測試中表現(xiàn)優(yōu)異

二聚體掃描測試：對所有元素組合的二聚體相互作用預(yù)測與DFT結(jié)果高度吻合，準(zhǔn)確捕捉了短程排斥作用和原子分離時的力變化趨勢。

分子動力學(xué)模擬：在Ag28O22和Pd34O56團(tuán)簇的MD模擬中，EMLP軌跡與DFT

大分子吸附：對包含364個原子的PTCDA分子在Ag(111)表面的弛豫，EMLP精確預(yù)測了吸附構(gòu)型和分子-表面距離。

圖5. 來自EMLP和其他基礎(chǔ)模型的MD和表面吸附結(jié)構(gòu)預(yù)測

3.在多相催化反應(yīng)預(yù)測中實現(xiàn)突破

研究系統(tǒng)評估了CO氧化、乙炔加氫、費-托合成等多個典型催化反應(yīng)體系：

CO氧化：在多種Pd和Pd/Ag表面（包括簡單晶面、孿晶界、納米棒及單原子催化劑）上，EMLP均能準(zhǔn)確預(yù)測反應(yīng)能壘和焓變。

表面覆蓋效應(yīng)：成功預(yù)測了清潔Pd(111)和氫覆蓋Pd(111)表面的乙炔加氫反應(yīng)路徑，與DFT結(jié)果高度一致。

復(fù)雜反應(yīng)網(wǎng)絡(luò)：對費-托合成過程中從C1到C6的21個基元步驟，EMLP完整復(fù)現(xiàn)了DFT計算的能量曲線，過渡態(tài)搜索成功率達(dá)100%。

圖6. 各種鈀和 Pd/Ag 表面上 CO 氧化反應(yīng)的預(yù)測

圖7. 對具有覆蓋效應(yīng)的各種鈀基表面上C2H2氫化（氫原子逐步添加到C2H2中形成C2H6）的反應(yīng)預(yù)測。

圖8. 對 Pd(100) 上費托合成反應(yīng)的擴(kuò)展反應(yīng)路徑的反應(yīng)預(yù)測

4.超越多相催化的廣泛應(yīng)用能力

研究還將EMLP拓展至有機(jī)化學(xué)反應(yīng)、固-液界面和水溶液環(huán)境等多個領(lǐng)域：

有機(jī)反應(yīng)標(biāo)準(zhǔn)測試：對Baker和Chan提出的標(biāo)準(zhǔn)測試反應(yīng)，EMLP預(yù)測的活化能和反應(yīng)焓與DFT值偏差僅0.1-0.2 eV。

液相環(huán)境模擬：通-過umbrella sampling獲得了Pd(111)表面CO氧化在explicit 水分子存在下的自由能剖面，與DFT結(jié)果高度一致。

溶液體系結(jié)構(gòu)：對液態(tài)甲醇的徑向分布函數(shù)模擬成功復(fù)現(xiàn)了氫鍵網(wǎng)絡(luò)等關(guān)鍵結(jié)構(gòu)特征。

圖9. 跨固相、液相和氣相的附加基準(zhǔn)

04

總結(jié)

這項研究代表了機(jī)器學(xué)習(xí)勢函數(shù)發(fā)展的范式轉(zhuǎn)變：構(gòu)建多相催化MLP不再僅僅是一個回歸問題，而根本上是一個采樣問題。通過REICO采樣策略，研究團(tuán)隊成功地將訓(xùn)練集構(gòu)建與傳統(tǒng)的"有意義結(jié)構(gòu)"概念分離，專注于生成多樣化和代表性的局部原子環(huán)境。

EMLP 的卓越性能體現(xiàn)在： 1 ）在目標(biāo)元素領(lǐng)域內(nèi)實現(xiàn)了普適性和反應(yīng)性的平衡； 2 ）能夠準(zhǔn)確預(yù)測任意結(jié)構(gòu)的能量和力； 3 ）在復(fù)雜催化反應(yīng)網(wǎng)絡(luò)中保持高度一致性； 4 ）超越多相催化的廣泛應(yīng)用能力。

05

展望（巨人肩上前行）

1. 增加訓(xùn)練數(shù)據(jù)規(guī)模來系統(tǒng)探索和提升EMLP的潛力。

2. 將自旋態(tài)、磁性、長程相互作用和外部場等更復(fù)雜的化學(xué)信息納入EMLP框架，拓展其應(yīng)用范圍？

3. 利用EMLP的直接反應(yīng)模擬能力，大規(guī)模研究反應(yīng)機(jī)理和動力學(xué)。

文獻(xiàn)信息

Changxi Yang, Chenyu Wu, Wenbo Xie, Daiqian Xie & P. Hu, General reactive element-based machine learning potentials for heterogeneous catalysis, Nature Catalysis, 2025, 8, 891-904.

聲明：

1. 版權(quán)：推送內(nèi)容僅供學(xué)習(xí)交流分享使用，無任何商業(yè)用途，如有侵權(quán)，請聯(lián)系后臺刪除或修改，感謝支持。

2. 投稿：非常歡迎各位老師在公眾號上介紹課題組前沿或經(jīng)典研究成果！后臺或郵箱聯(lián)系即可！