近日，中国科学院山西煤炭化学研究所温晓东研究员、张振华研究员、刘星辰研究员等人，在金属-氧化物催化CO₂加氢反应界面催化作用解析研究方面取得重要突破。研究成果以“Deciphering the Interfacial Catalysis of Metal-Oxide Nanocatalysts in CO₂ Hydrogenation through A Machine Learning Approach”为题，发表于《Journal of the American Chemical Society》期刊。

催化剂纳米粒子通常暴露多样的表面位点（如面位、边位、缺陷位等），理解这些位点与反应性能的构效关联对理性创制高效催化剂至关重要。然而，由于固体材料结构复杂，传统“试错法”研究模式不仅周期长、资源消耗大，且难以深入揭示催化本征结构特征，导致诸多催化作用机理的认知存在争议，制约了高效催化剂的理性设计与开发。

基于此，研究团队提出了一种基于高质量实验+理论数据共同驱动的金属-氧化物界面催化作用解析新策略。围绕金属-氧化物催化CO₂加氢反应，团队依托中国科学院智能科学家专项建立的智能设施平台，首先建立涵盖不同结构参数与反应温度的CO产率实验数据集；以Pd/CeO₂为验证体系，结合表观动力学与原位谱学，解析单原子Pd在氧空位充足载体上的本征活性优势，明确其与金属加氢特性的关联。在此基础上，与理论计算合作提取各类催化剂金属的加氢相关描述符，并同步构建高质量理论数据集，进而借助可解释机器学习算法对理-实融合数据进行分析，辨析各种催化剂特征对催化性能的贡献权重，揭示出被负载金属的d电子总数（de,sum,m）是决定CO₂加氢制CO性能的最关键电子描述符，而该特征与金属配位数（CNm，即颗粒尺寸）密切相关。

据此，本研究首次提出“de,sum,m-CNm” 作为金属-氧化物催化CO₂加氢制CO反应的理性设计准则，该工作的研究思路也为理解多相催化中复杂的电子与结构因素提供了一个通用框架，对于理性设计高性能CO₂加氢催化剂及其他涉及金属-氧化物界面的催化体系具有重要的指导意义。