氫氣有巨大的脫碳潛力，近年備受關注。電化學水分解被視為有前途的氫能制備方法之一。在氫產生和檢測領域，析氫反應（HER）在電化學水分解和氫傳感裝置中的性能受催化劑材料影響。然而，當前主流的鉑（Pt）基HER催化劑昂貴，限制了水分解技術的推廣。商用氫傳感器則需高溫驅動，無法滿足室溫氫安全監測的要求。為加速氫經濟發展，急需尋找更先進的HER催化劑以及室溫可用的氫傳感技術。

單原子材料因其高原子利用率和獨特物化性質，在多相催化領域受到廣泛矚目。電化學分解水和化學傳感作為多相催化過程，已將單原子材料視為應用潛力之選。然而，單原子材料的性質受化學成分和配位環境顯著影響，因此研究者常需通過試錯和經驗驗證其特性，制約了在上述領域的應用。幸運的是，隨著第一性原理密度泛函理論（DFT）計算、機器學習（ML）等技術發展，研究者能通過一些理論計算信息如D帶結構、能帶和態密度（DOS）等初步了解未知單原子材料的性質。機器學習總結了單原子材料與DFT計算之間的關系，從而推斷全局信息并評估每種材料的性能。這使研究者能有針對性地開發高性能單原子材料并促進應用。

在這里，我們以負載單原子的碳材料為實驗對象，通過融合第一性原理密度泛函理論（DFT）計算和機器學習技術，深入分析其在析氫反應（HER）催化劑和氫傳感催化劑方面的潛能。這項研究有望為開發高性能的單原子材料提供重要指導。在這項研究中，我們在共計6個配位環境中，選擇了4-5種碳基的單原子材料作為研究對象，并進行了DFT計算。這些計算數據作為模型訓練樣本，為后續的機器學習模型提供了基礎。通過將計算數據轉化為多尺度卷積神經網絡的訓練集，我們能夠預測碳基單原子材料的全局信息。通過對模型預測的全局信息進行深入分析，我們可以有針對性地篩選出潛在的高性能析氫反應催化劑和氫傳感催化劑。這項研究不僅可以加速高性能單原子材料的發現，同時也展示了DFT計算與機器學習相結合在材料科學領域的巨大潛力。通過更精準的預測方法，我們可以加速新材料的發現與應用，為能源轉型和科技創新提供更多可能性。

圖1.基于拓撲結構的多尺度卷積核機器學習模型示意圖。

圖2. 多尺度卷積核機器學習模型的訓練結果。（a）對析氫反應的吉布斯自由能壘的訓練結果，（b）對H₂的解離能的訓練結果，（c）對H₂O的解離能的訓練結果。（d）多尺度卷積核模型與單尺度卷積核的性能比較。

圖3. 模型的全局預測結果。（a）對析氫反應的吉布斯自由能壘的預測結果，（b）對H₂的解離能的預測結果，（c）對H₂O的解離能的預測結果。

華東理工大學教授，主要從事智能傳感及微能源器件、制氫裝備關鍵電極組件設計及制造研發。以第一/通訊作者在Advanced Materials, Nano Letters (2), ACS Energy Letters, Materials Horizons，Nano Energy等SCI期刊發表論文20余篇，其中3篇入選ESI高被引論文，申請/授權專利8項。

華東理工大學教授，國家杰青、萬人領軍，現任華東理工大學校長。獲國家科技進步一等獎1項、二等獎1項，省部級特等獎1項、一等獎4項、二等獎1項，中國石油與化學工業聯合會青年科技突出貢獻獎。主持完成國家核電重大專項（課題）、國家儀器專項、863計劃、國家科技支撐計劃、國家自然科學基金等課題。

致力于超級電容器、固態電池、燃料電池、氫氣傳感器等新能源及航天方向的研究，聚焦動態現場原位（Operando）表征方法及裝備的開發。主持國家自然科學基金面上項目等6項，入選上海市青年科技啟明星計劃。發表Nature Catalysis、National Science Review、Angewandte Chemie International Edition、ACS Catalysis等國內外高水平期刊論文50余篇，專利3件；撰寫RSC Catalysis book series專著1部；獲河南省自然科學獎一等獎及中國化工學會科學技術獎二等獎。

Zhou L, Tian P, Zhang B, et al. Data-driven rational design of single-atom materials for hydrogen evolution and sensing. Nano Research, 2023, https://doi.org/10.1007/s12274-023-6137-5.