理解在不同外部条件和环境物种下，界面、相界面以及体相中的活性相，对于推进多相催化的发展至关重要。
基于此，2025年3月14日，厦门大学李剑锋、郑世胜、北京大学深圳研究生院潘锋等人在国际知名期刊Nature Communications发表题为《Active phase discovery in heterogeneous catalysis via topology-guided sampling and machine learning》的研究论文。
然而，通过计算模型描述这些相时，面临着生成和计算大量原子构型的挑战。
在此，作者提出了一种用于自动高效探索活性相的框架。
该方法利用基于拓扑学的算法，借助持久同调理论，系统地对不同配位环境和材料形貌中的构型进行采样。
同时，高效的机器学习力场使得计算能够快速进行。
作者通过两个系统展示了该框架的有效性：一是钯（Pd）中的氢吸收，氢渗透到次表面层和体相中，诱导了对二氧化碳电还原至关重要的“六角”重构，通过采样5万个构型进行了研究；
二是铂（Pt）团簇的氧化动力学，氧的掺入使团簇在氧还原反应中活性降低，通过采样10万个构型进行了研究。
在两种情况下，预测的活性相及其对催化机制的影响与之前的实验观察高度一致，表明所提出的策略能够对复杂的催化系统进行建模，并在特定环境条件下发现活性相。
Zheng, S., Zhang, XM., Liu, HS. et al. Active phase discovery in heterogeneous catalysis via topology-guided sampling and machine learning. Nat Commun 16, 2542 (2025). https://doi.org/10.1038/s41467-025-57824-4
