一种DFT与机器学习联用的催化吸附材料开发方法及系统

本发明公开了一种DFT与机器学习联用的催化吸附材料开发方法及系统，包括：获取材料特性；建立多种催化吸附材料结构；计算不同结构对氧分子的吸附能；利用训练好的模型进行预测，将决定系数R2作为评价标准，以定性描述不同机器学习模型对吸附能的预测能力；利用机器学习提取出不同特性的重要因子，通过线性回归方法，描述符合以预测不同结构对氧分子的吸附能。不仅可以节省实验时间，降低成本，而且可以节省计算资源。可以帮助寻找开发合适的催化剂来代替昂贵的贵金属催化剂。通过提升重要的影响因素，可以服务于选择性催化反应过程的设计，以抑制不希望的过度反应，并为控制催化过程的化学和物理原理提供见解。