由一元至三元金属氧化物演变的催化活性被相关实验得到非常深入研究，目前人们对于高熵氧化物（HEOs, 元素≥5）的相关仍缺乏。但是因为高熵氧化物的组成丰富，因此通过尝试法测试HEO催化剂的催化活性变得基本上不可能实现。

有鉴于此，上海交通大学/宁夏大学张鹏飞教授等报道基于ACr₂O_x催化体系的晶相和催化活性研究，发现尖晶石晶相和CH₄催化氧化的活性之间具有强关联，这是因为通过机器学习模型得到比较准确的类似元素重要性次序。

本文要点

（1）

通过对负面数据的寻找，并且选择合适的训练数据，因此开发了高品质的回归模型寻找更加优异的催化剂。

（2）

筛选后发现，不规则的Ni_0.04Co_0.48Zn_0.36V_0.12Cr₂O_x催化剂具有优异的抗硫和耐水蒸气性能，以及长期稳定性（>7000 h，T₉₀=345 ℃），展示了机器学习方法发展高性能HEO催化剂的前景。

参考文献

Xiaolan Duan, Yang Li, Jiahua Zhao, Mengyuan Zhang, Xiaopeng Wang, Li Zhang, Xiaoxuan Ma, Ying Qu, and Pengfei Zhang*, Machine Learning Accelerated Discovery of Entropy-Stabilized Oxide Catalysts for Catalytic Oxidation, J. Am. Chem. Soc. 2024

DOI: 10.1021/jacs.4c12838

https://pubs.acs.org/doi/10.1021/jacs.4c12838