【CCS Chem.】中国科学技术大学王嵩 & 黄炎：基于光谱描述符识别化学反应过程

本文报道了中国科学技术大学王嵩团队开发的一种基于光谱描述符的机器学习模型，用于识别化学反应过程。研究以二氧化碳还原反应为例，通过构建光谱数据与反应过程之间的定性与定量模型，实现了对反应过程的精准识别。该模型不仅能够迁移应用到不同的催化体系，而且在复杂环境下含噪声的光谱数据中表现良好。研究利用第一性原理分子动力学模拟和密度泛函理论计算，构建了光谱-结构数据集，并通过迁移学习证明了模型的高准确性和鲁棒性。此外，SHAP分析提供了模型的可解释性，证明了该神经网络模型不再是“黑盒模型”。该工作为揭示化学反应过程的演化“黑盒”提供了新策略，并为未来在真实体系下研究化学反应机理和动力学过程奠定了基础。