用于机器学习预测催化剂活性的通用描述符的构建及应用

本发明属于材料计算与人工智能交叉技术领域，具体公开了用于机器学习预测催化剂活性的通用描述符的构建及应用，该方法包括以下步骤：提取数据库中的四种材料的固有属性数据并计算径向和角向对称函数值；通过对催化剂中心原子的电负性和价电子数求和构建原子化学环境特征；将径向和角向对称函数值乘以原子化学环境特征。本发明采用上述用于机器学习预测催化剂活性的通用描述符的构建及应用，将构建改进的局部原子环境特征描述符(即加权原子中心对称函数，wACSF)与机器学习、微动力学建模和计算高通量筛选相结合，实现了在机器学习模型中对四个材料类别(即金属合金、金属氧化物、钙钛矿以及单原子催化剂)的高效筛选。