据布鲁克海文国家实验室网站5月10日消息，美国能源部布鲁克海文国家实验室（Brookhaven National Laboratory）的研究人员开发出一种新的机器学习（ML）框架，该框架可以确定多步化学转化中的哪些步骤应该进行调整以提高反应效率，可用于指导催化剂的设计。研究人员构建了一个基于“密度泛函理论”（DFT）的数据集来训练机器学习模型，从28个“描述符”中筛选出6个“活跃”的“描述符”来重新训练机器学习模型并预测甲醇生产率，再根据这6个“描述符”设计出提高甲醇生产率的催化剂。相关研究成果发表在《催化科学与技术》（Catalysis Science & Technology）期刊上。

消息来源：https://www.bnl.gov/newsroom/news.php?a=119577