可解释模型与符号回归描述符

机器学习辅助的双原子位点设计：用可解释描述符统一电催化反应

提出可解释描述符模型 ARSC，仅用易获得的本征性质，统一预测 O₂/CO₂/N₂ 还原和析氧等多种电催化反应的活性与选择性。该描述符在物理意义明确的特征工程与稀疏特征选择（PFESS）基础上，解耦双原子位点 d 带形状中的原子性质、反应物、协同和配位效应，从而无需超过五万次密度泛函计算即可快速定位不同产物的较优催化剂。模型普适性得到已有工作和后续实验验证，并确定 Co–Co/Ir-Qv3 为较优的氧还原/析氧双功能电催化剂。