近日，我校人工智能学院叶盛教授、孙长银教授、赵志成讲师与物科院杨丽副教授合作，成功利用人工智能机器学习技术结合红外光谱描述符，实现了催化反应过程中动态结构演化的准确监测和识别，为追踪复杂反应过程提供了新的研究思路。相关研究成果以“Monitoring C-C coupling in catalytic reactions via machine-learned infrared spectroscopy”为题发表在国际顶级综合学术期刊《National Science Review》(DOI：10.1093/nsr/nwae389)。安徽大学杨丽副教授、赵志成讲师为共同第一作者，安徽大学叶盛教授、孙长银教授为共同通讯作者，安徽大学为论文第一单位。
催化化学反应过程如同一个“黑盒子”，表面结构和分子在反应条件下千变万化，准确的追踪反应过程中的结构演变对反应的优化至关重要。然而，即使是简单的反应过程，表面的化学形态和结构也会历经多种构型，这为准确描述结构的变化和能量的波动带来了巨大挑战，也严重限制了对化学动态演变过程的深入理解。
针对此问题，研究人员创新性的利用人工智能机器学习技术结合红外光谱描述符，以C-C耦合反应为典型范例，实现了耦合催化过程中动态结构演化的准确监测和识别。进一步将模型迁移到多种金属表面上的CO-CO二聚反应中，可以实现反应过程中关键中间体的构型信息和能量变化的准确识别，从而实现反应过程的准确追踪。这项研究将先进的人工智能机器学习技术与分子光谱技术相结合，体现了AI for Science的新兴研究范式。
该文观点仅代表作者，本站仅提供信息存储空间服务，转载请注明出处。若需了解详细的安防行业方案，或有其它建议反馈，欢迎联系我们。
