对于开发室温碱性电解水、高温陶瓷燃料电池等新型电化学能源体系，高效率的催化剂加快缓慢的氧反应动力学是关键。
有鉴于此，昆士兰大学朱中华教授、Yadan Luo、科廷大学邵宗平教授、阿德莱德大学Xiaoyong Xu、墨尔本大学Mengran Li等报道阳离子诱导相互作用能够对235个Co基催化剂和200个Fe基催化剂的氧空位浓度进行预先推测。
而且通过对阳离子晶格环境进行机器学习，可以预测这种趋势。进一步研究结果表明钙钛矿材料的催化活性与氧空穴的浓度和工作温度密切相关。
（2）
提出了机器学习指导开发氧电催化剂的方法，能够对不同温度适用的氧电催化剂进行节省时间的预测，并且预测结果具有比较好的准确性。
参考文献
Li, Z., Mao, X., Feng, D. et al. Prediction of perovskite oxygen vacancies for oxygen electrocatalysis at different temperatures. Nat Commun 15, 9318 (2024).
DOI: 10.1038/s41467-024-53578-7
