基础科学研究院（IBS）纳米粒子研究中心主任玄泰焕团队利用人工智能，成功跨越催化剂材料家族的界限，发现了一种用于绿色氢能生产的高效新型催化剂。这项研究发表在《自然材料》期刊上，标志着材料发现领域的重要突破。 传统催化剂研发通常局限于单一材料体系，难以在不同化学系统间转移知识。针对绿色氢能生产中关键的水电解氧气析出反应（OER）效率低下的难题，团队开发了一种名为“杂交神经网络”的深度学习模型。该模型同时学习了碳负载单原子催化剂和钙钛矿氧化物催化剂的数据：前者提供表面原子排列的图像信息，后者提供体相结构的图谱信息。通过融合这两类知识，AI 成功预测了从未在训练中见过的、全新的“钙钛矿氧化物负载单原子催化剂”的活性。 实验验证表明，该 AI 模型准确预测了 12 种新型催化剂的活性排序。研究团队进一步筛选出一种含钨、钼、钌、铑四种金属原子的多金属单原子催化剂，其活性远超现有的钙钛矿氧化物催化剂及碳负载单原子催化剂。这种新型催化剂在降低反应过电位和提高反应速率方面表现优异。 更重要的是，该模型不仅提供预测结果，还能通过可解释性人工智能技术揭示原子环境对活性的具体影响，阐明不同金属原子间的协同效应。研究人员指出，这一方法打破了传统材料设计的局限性，证明 AI 可以连接不同材料家族的知识，探索人类未曾预设的新设计方向。该框架未来有望扩展至电池、储能材料及药物研发等更广泛的领域，推动通用材料人工智能的发展。