10月13日消息，印度科学学院（Indian Institute of Science, IISc）研究团队在《自然·通讯》（Nature Communications）发表研究，通过机器学习与先进计算机模拟相结合，在铜催化剂表面识别出9389个独立化学反应，揭示了传统模型遗漏的意外化学路径，其中包含大量有望改进二氧化碳（CO2）转化为燃料和工业化学品的反应。

铜是CO2电还原制合成燃料研究中最常用的催化剂，但其表面反应网络极其复杂，传统机理研究通常只关注少数已知路径。该团队用机器学习模型加速筛选并结合多尺度模拟，系统绘制了铜表面完整的反应网络图谱，发现的数千个新反应为设计更高效的CO2转化催化剂提供了此前缺失的“路线图”。

研究的产业意义在于：CO2电还原制乙烯、乙醇等多碳产物是碳利用技术的核心方向，路径选择性与催化剂设计直接决定经济性；一个完整反应网络数据库可帮助研究者预判副反应、寻找新目标产物并优化反应条件。

该工作也体现了AI for Science范式在异相催化研究中的加速作用——此前需要逐个实验验证的路径假设，如今可在计算层面先完成穷举与排序，再对高价值路径做定向验证。 （来源：ScienceDaily）