困扰该领域数十载，这一科学难题被上海大学成功“攻破”，登顶Science！

摘要：科学发现往往是先从数据累积开始，然后找出数据间的函数依赖关系或模型，最后提炼出能解释这些数据的简单原理。“AI for Science”时代的到来为加速科学发现提供了新机遇。然而，迄今为止，对于真实世界的未知问题，人们一直心存疑虑：人工智能是否可以建立准确的、

科学发现往往是先从数据累积开始，然后找出数据间的函数依赖关系或模型，最后提炼出能解释这些数据的简单原理。“AI for Science”时代的到来为加速科学发现提供了新机遇。然而，迄今为止，对于真实世界的未知问题，人们一直心存疑虑：人工智能是否可以建立准确的、可推导的、具有强烈物理意义的简洁公式，并助力提出一般性科学规律？

近日，上海大学材料基因组工程研究院欧阳润海与中国科学技术大学李微雪教授课题组合作，在Science期刊发表催化领域可解释机器学习突破性研究成果。中国科学技术大学李微雪教授为通讯作者，博士生王泰然和胡建钰及上海大学材料基因组工程研究院欧阳润海为共同第一作者。

研究团队利用前沿可解释机器学习符号回归算法SISSO，以催化领域金属/氧化物界面相互作用（MSI）强度为研究对象，从模型建立到物理意义分析、到公式推导验证、到最后提出决定催化领域著名实验现象“强金属-载体相互作用”（SMSI）的一般性判据原理，强有力地正面回答了文章开头提出的问题。

该判据原理具有很强的预测能力，迄今为止已报道的几乎所有金属/氧化物SMSI实验现象都可能纳入到该框架内，解决了困扰该领域几十年的科学难题。

这些研究成果将助力于高活性、高选择性、高稳定性催化剂的优化设计，有望加快新催化材料和新催化反应的发现，推动能源、环境和材料的绿色升级，助力社会的可持续发展。同时，该工作展示了人工智能在催化、化学和材料科学中的巨大潜力，为AI研究新范式如何变革自然科学研究提供了全新视角。通过人工智能技术，科学家们能够更快速、更准确地从庞大的科学实验数据中挖掘出潜在的数学模型，为解决长期未解的科学难题提供新的思路。

此次研究论文的共同第一作者欧阳润海来自上海大学材料基因组工程研究院。他师从催化界国际著名的理论学家李微雪教授，长期主导开发原创AI算法-SISSO。该算法始于欧阳润海在德国马普FHI研究所NOMAD实验室博士后研究，后在上海大学欧阳博士课题组及国际上其他课题组持续拓展，已成为材料和化学领域符号回归可解释机器学习主流方法之一。

欧阳润海长期主导开发原创AI算法-SISSO的相关重要时间节点

重大科研成果的产出，既离不开科研人员长期的潜心钻研，同时也与其背后的平台支撑息息相关。欧阳润海所在的上海大学材料基因组工程研究院成立于2014年，是国内高校和省部级层面最早成立的以材料基因和材料信息学为主要研究特色的研究机构之一。

研究院下设有集成计算与材料设计中心、材料信息与数据科学中心、高通量材料制备与表征技术中心、智能材料及应用技术研究所、先进能源材料研究所等二级机构，在高性能合金、结构材料、能源材料、智能与功能材料等国家重大需求和学术领域前沿研究方向上形成了具有人工智能和数据研究范式特色的研究基地。

在以中国科学院和中国工程院院士6名（含兼职4名）、973首席科学家1名等在内的50余名专家学者组成的研究团队的带领下，研究院承担家重点研发计划重点专项、国家自然科学基金重点和面上等科研项目50余项，硕果累累。（数据截至2024年6月）今年年初，材料基因组工程研究院更是在美国国家科学基金会（NSF）材料基因组工程十年总结中被大篇幅报道。