我课题组提出了一种基于第一性原理计算和机器学习的DFT/ML杂化方法筛选、设计SAA催化剂。该方法不仅以较低的计算成本和较高的预测精度为合理设计乙炔半加氢催化剂提供了直接的指导，并且这种有效的筛选方法有望促进新型选择性加氢催化剂的设计。相关工作以“Machine-Learning-Assisted Catalytic Performance Predictions of Single-Atom Alloys for Acetylene Semihydrogenation”为题，发表在ACS Applied Materials & Interfaces。文章的第一作者是我课题组博士研究生丰海松。