高熵氧化物（HEO）是一種多元素構成的固溶體，具有重要的科學發展前景。由于各種元素帶來豐富的組成方式，因此設計具有特定性質的HEO材料通常依賴大量嘗試。
有鑒于此，清華大學王訓教授、劉清達、上海交通大學吳量、普渡大學林光教授等報道通過閉環的“訓練-預測-實驗”迭代循環方法發展制氫能力強的高熵氧化物催化劑。
通過多輪主動學習迭代過程，從大量具有可能的材料組成中篩選，合成了4個新穎的HEO材料。這些發現的新型材料具有優異的穩定性，在水煤氣變換反應制氫催化反應中表現優異的制氫性能（251 μmol gcat-1 h-1），比目前的標桿催化劑Pt/γ-Al2O3（135 μmol gcat-1 h-1）或者Cu/Al2O3（81 μmol gcat-1 h-1）性能更好。
（2）
通過XPS表征和DFT理論計算結果說明這些HEO材料的結構和性質。這種通過機器學習加快發展性質獨特新型HEO催化劑材料的方法能夠從非常有限的實驗數據中分析得到有用的信息。
參考文獻
Siyang Nie, Yan Xiang, Liang Wu*, Guang Lin*, Qingda Liu*, Shengqi Chu, and Xun Wang*, Active Learning Guided Discovery of High Entropy Oxides Featuring High H2-production, J. Am. Chem. Soc. 2024
DOI: 10.1021/jacs.4c06272
https://pubs.acs.org/doi/10.1021/jacs.4c06272
