发展容易得到的描述符对于合理的设计MOF材料非常重要，但是如何得到这种描述符比较困难。

有鉴于此，中国海洋大学黄明华教授、浙江大学韩仲康研究员等对双金属Ni-MOF提出一个OER描述符。通过人工智能进行数据挖掘，通过Ni的d能带中心与eg能级失去的电子数目，以及eg能级的第一离子化能量进行结合，得到优异性能OER电催化剂的方法。

本文要点

(1)

通过对3d-5d 过渡金属与13个有机配体得到MOF数据库进行分析，从而能够从分子轨道研究催化剂的结构-活性之间的关系。这个描述符对11个Ni-MOF得到验证。

(2)

这项工作通过SGD与实验的验证进行结合，能够高效率的筛选MOF的OER催化剂，因此有助于深入理解催化剂的机理。

参考文献

Jian Zhou, Liangliang Xu, Huiyu Gai, Ning Xu, Zhichu Ren, Xianbiao Hou, Zongkun Chen, Zhongkang Han, Debalaya Sarker, Sergey V. Levchenko, Minghua Huang, Interpretable Data‐Driven Descriptors for Establishing the Structure‐Activity Relationship of Metal‐Organic Frameworks Toward Oxygen Evolution Reaction, Angew. Chem. Int. Ed. 2024 

DOI: 10.1002/anie.202409449

https://onlinelibrary.wiley.com/doi/full/10.1002/anie.202409449